評価 - 亜美と智也のAI論文解説

8月 26 2026

0

VLMの安全性を「理由」まで検証するEviSafe：最終応答だけでは見えない欠陥

投稿者: ユウ

TL;DR EviSafeは、VLMの安全性を「最終的な応答」だけでな…

8月 25 2026

0

LLMは文法工学をどこまで支援できるか？広東語ParGram資源と制御実験による評価

投稿者: ユウ

TL;DR 本論文は、LLM（gpt-oss-120bとGPT-5.4…

8月 23 2026

0

金融コンプライアンスLLM評価の新手法：ReguSimとReguBenchの実務的示唆

投稿者: ユウ

TL;DR LLMエージェントが金融規制を守るかを評価するため、Reg…

8月 22 2026

0

ベース言語モデルの生成ループに「新しい主題の注入」が与える効果と評価の落とし穴

投稿者: ユウ

TL;DR ベース言語モデルをタスクなしで長く生成させると、繰り返しに…

8月 22 2026

0

契約書レビューAIの実力評価：ContractScrubベンチマークの概要

投稿者: ユウ

TL;DR ContractScrubは、契約書の最終レビュー（スクラ…

8月 21 2026

0

議論の判定を理論化：LLM判定と形式意味論の比較から見える実務的示唆

投稿者: ユウ

TL;DR 本論文は、AIエージェント間の議論を事後的に判定する方法を…

8月 20 2026

0

LLM検証の「レベル」を整理する：検証仕様の出所で決まるL0〜L5

投稿者: ユウ

TL;DR LLMの推論を検証する手法は多数あるが、「レベル」という言…

8月 20 2026

0

AI翻訳の評価ギャップ：読みやすさと原文保持のズレをどう見抜くか

投稿者: ユウ

TL;DR AI翻訳では、読みやすさを優先した出力は原文の内容を保持し…

8月 20 2026

0

LLMは幾何制約を「知っている」のに使えない？凍結LLMの内部表現を4段階で監査する

投稿者: ユウ

TL;DR 凍結LLMの内部表現を、線形復号・生成・活性化パッチ・ステ…

8月 19 2026

0

AIエージェントが恋愛マッチングを変える？送る側と受け取る側の非対称性を測る

投稿者: ユウ

TL;DR マッチングアプリでAIエージェントが会話を代行する未来を考…