通過済みUVM回帰から仕様違反を見つけるLLM照合フレームワーク
UVM回帰がPASSでも仕様違反が残る「スコアボードエスケープ」に対し、通過済み回帰の内部信号を含む波形をLLMのACCが仕様と照合し、SVA生成→形式検証→反例UVMテストで適格検出する枠組み。OpenTitan 4 IPの68候補中、ACCが55件で変異の影響を報告し、41件を適格検出した。
UVM回帰がPASSでも仕様違反が残る「スコアボードエスケープ」に対し、通過済み回帰の内部信号を含む波形をLLMのACCが仕様と照合し、SVA生成→形式検証→反例UVMテストで適格検出する枠組み。OpenTitan 4 IPの68候補中、ACCが55件で変異の影響を報告し、41件を適格検出した。
RIG-BENCHは、画像生成モデルが視覚的な文脈から潜在ルールを推論し、その答えを画像として生成できるかを測るベンチマーク。4タスク群・11サブタスク・2,000サンプルで、答えを言語で指定せず画像出力を要求する。
ADWMは、事前収集した軌跡だけから新しいLLMエージェント方策の性能を推定するオフライン評価フレームワークです。潜在拡散世界モデルが次の観測をまとめてデノイズし、評価方策が各デノイズ工程をガイドします。
本論文は、LLMベースのエージェントが脆弱性の「発見・検証・修正・修正検証」をどこまで人間なしで行えるかを、自動運転に似た自律度A0–A5、正しさC0–C3、アクセス区分、証拠グレードで整理するSoKです。
Archerは、RLVRにおいて応答内のエントロピー分位からトークンを高エントロピー(推論向け)と低エントロピー(知識向け)に分類し、前者はクリップとKLを緩めて探索を促し、後者は強めて事実知識の保持を狙う。
Mamba超解像の低ビットPTQでは、選択スキャン後のトークンごとの活性範囲のばらつきが大きく、層単位のクリッピングでは精度が落ちます。本論文は、事後スキャン記述子からオフラインで疑似グループを作り、事前スキャン特徴から軽量予測器でグループを推定し、固定のグループ別クリッピング表で量子化します。
固定長パッチは自然な遷移をまたいで短期的依存を壊しやすい。EntroPEは条件付きエントロピーが高い点を境界にして可変長パッチを作り、poolingとcross-attentionで固定長埋め込みに変換する。
RFW-Sは、日常の変形物体をロボットシミュレーションで使えるよう、485カテゴリ・5構造ファミリ(軟体、布シート、シェル、衣類、バッグ)の10万資産プールを構築し、構造に合った物理表現とLLM支援のパラメータ推定、校正後の独立検証+実行時・挙動契約チェック(RC)で83,365件を検証した資産群…
VH-CBMは、VLMの弱い概念注釈だけに頼らず、1%程度の専門家注釈をVLM埋め込み空間上の概念別ガウス過程で伝播させる。これによりVLM-CBMより概念精度と校正を改善し、注釈増加や能動学習も活用できる。ただし専門家注釈は依然必要で、評価は4データセット・2バックボーンに限られる。
MoE–LoRAは多言語適応の万能薬ではない。原論文は8つのLoRA系手法を凍結Llama-3.1-8B・同一データ・同一評価プロトコルで比較した。低ランク設定が有利で、小規模探索は候補選定には使えるがスケール時の順位予測には不十分。