11月 01 2026 0 LLMエージェントの役割偽装を理解し線形プローブで検出する研究 投稿者: 亜美と智也のAI論文解説 編集部 LLMは会話の「誰が言ったか」を内容と構造の手がかりで推定するため、ツール出力内の偽の特殊トークンとユーザー風の文面を組み合わせた役割偽装に弱い。論文はこの原因を整理し、役割を予測する線形プローブで偽装を検出する低コストな防御を提案している。
11月 01 2026 0 専門家デモの限界を補う：世界モデルの制御性を高める能動データ収集AIM 投稿者: 亜美と智也のAI論文解説 編集部 専門家の成功デモだけで学習した行動条件付き世界モデルは、指示された行動を無視しがちです。論文は、データの行動影響が低いことが原因だと分析し、データの条件付き相互情報量がモデルの制御性の上限を与えることを示します。そこでAIMは、行動の結果を識別しやすい遷移を能動収集する内在的報酬を用います。
11月 01 2026 0 LLMエージェントに他者信念の学習層を加えるEpiAgent 投稿者: 亜美と智也のAI論文解説 編集部 EpiAgentは、LLMエージェントに「他者の私的情報への信念」を明示的に持たせ、履歴からの信念更新（Epistemic Update）と信念に基づく行動計画（Action Planning）を自己対戦で交互に学習する。
11月 01 2026 0 OOD指令を安全境界へ投影する脚付きマニピュレータの全身制御 投稿者: 亜美と智也のAI論文解説 編集部 CMPは、脚付き移動マニピュレータの全身制御で、OODや実行不能な指令を学習済みの安全領域（コンピテンス多様体）へ投影し、破綻を避けつつ可能な範囲で追従させる。推論時は潜在空間のノルムを切り詰めるO(1)操作で、緊急停止せず「ベストエフォート」に安全側へ寄せる。
11月 01 2026 0 LLMのPHP移行は未変更コードより壊れやすい：単一ファイル検証 投稿者: 亜美と智也のAI論文解説 編集部 WordPress 4.0のPHPファイル100個を対象に、5つのLLMが単一ファイルをPHP 8.3へ移行する設定を、未変更原本とRectorに比較した研究。630個の隠し挙動チェックでは、未変更原本が83ファイル全合格、最良LLMは59、Rectorは82。
11月 01 2026 0 ShallowDefend：応答前の明示判断をRLで訓練する多ターン安全防御 投稿者: 亜美と智也のAI論文解説 編集部 ShallowDefendは、多ターン会話の各応答前に「意図評価→COMPLY/REFUSE（外部報酬版ではSAFE-REDIRECTも）の明示判断→応答」を置き、最終ターンの判断を強化学習で訓練する防御です。判断が文字列として読めるため、外部判定器なしの自己検証報酬も使えます。
11月 01 2026 0 ロボット操作VLAの生涯学習を二重LoRAと軽量リプレイで支援 投稿者: 亜美と智也のAI論文解説 編集部 LifelongVLAは、凍結したVLA基盤に短期LoRA（可塑性）と長期LoRA（安定性）を置き、タスク対応ゲートで重みレベルに合成するロボット操作の生涯学習手法です。過去スキルは少量のprefixキャッシュと確率的リプレイで保持し、全軌跡保存を避けます。
11月 01 2026 0 変化する業務状態でAIエージェントを監査するEnvOS 投稿者: 亜美と智也のAI論文解説 編集部 EnvOSは、タスク実行中に業務アプリの状態が変わる状況で、LLMベースのcomputer-useエージェントを評価するための枠組みです。変化の正しさ、観測の届き方、タスクの実行可能性、採点の頑健性を事前に認証し、実行後は保存証拠から判定を独立に再検査します。
11月 01 2026 0 精神科問診LLMをシミュレーションRLで訓練し二重盲検比較で評価 投稿者: 亜美と智也のAI論文解説 編集部 精神科の構造化問診を題材に、LLMをシミュレーション環境のマルチターン強化学習で訓練した論文。同一プロンプトのベースモデルと比べ、精神科医による二重盲検クロスオーバー評価で76.7%のペアで上回り、臨床評価・患者中心コミュニケーション・鑑別診断が改善した。
10月 31 2026 0 PD分離LLM推論でSLOから学ぶクラスタ別ルーティングDolphinRouting 投稿者: 亜美と智也のAI論文解説 編集部 DolphinRoutingは、PD分離LLM配信で各要求をプロンプト長・P/D両側のキャッシュ考慮後入力長・出力長でクラスタリングし、クラスタごとにローカル事前計算（集約）かリモート事前計算（分離）かをSLOフィードバックから学習する。実行時は特徴抽出・クラスタ割当・表引きのみ。