評価 - 亜美と智也のAI論文解説 - Page 3

7月 28 2026

0

医療画像の2D/3Dを統合する視覚中心MLLM「ClinFusion」の実装と評価

投稿者: ユウ

TL;DR ClinFusionは、2D・3D医療画像を統合処理するカ…

7月 27 2026

0

LLMの疑似科学検証はモデルではなくデプロイ設定で変わる——Grokの事例

投稿者: ユウ

TL;DR 商用LLMが疑似科学をどう評価するかは、モデル自体の性能で…

7月 21 2026

0

発見システムのハーネス選択は万能レシピではなくハイパーパラメータである

投稿者: ユウ

TL;DR LLMを用いた自動発見システム（OpenEvolveやTT…

7月 18 2026

0

ドイツ科学文献の自動主題索引：XMLCとLLM生成手法のベンチマーク比較

投稿者: ユウ

TL;DR ドイツ国立図書館の大規模統制語彙（GND-204K）を対象…

7月 16 2026

0

AgentCompass：エージェント評価を統合する軽量フレームワーク

投稿者: ユウ

TL;DR AgentCompassは、LLMベースのエージェント評価…

7月 16 2026

0

LLM検証ゲートの相関が信頼性に与える影響：指数関数的改善から多項式へ

投稿者: ユウ

TL;DR LLMの出力を検証するゲートを直列に増やしても、ゲート間の…

7月 13 2026

0

LLMの教育制御を測る：Bloom分類学に基づくフレームワーク

投稿者: ユウ

TL;DR 本論文は、LLMがプログラミング課題の教育的意図を保ちつつ…

7月 12 2026

0

PREDICATELONGBENCH：述語制約で長文LLMの限界を多軸評価するベンチマーク

投稿者: ユウ

TL;DR PREDICATELONGBENCHは、LLMの長文理解を…

7月 11 2026

0

LLMによる理論的構成概念の測定：AMALIA-9Bの妥当性検証と回復ギャップ

投稿者: ユウ

TL;DR ポルトガルの国産LLM「AMALIA-9B」が、道徳基盤「…

3月 06 2026

0

LLMの推論能力を「構造抽出」の観点から可視化するX-RAY手法

投稿者: ユウ

TL;DR X-RAYは、LLMの推論能力を「制約の相互作用」「推論の…