Measuring Black-Box Confidence via Reasoning Trajectories: Geometry, Coverage, and Verbalization
LLMの推論過程から信頼度を推定する新しいブラックボックス手法が提案されました。
研究
4562件
A Regime Theory of Controller Class Selection for LLM Action Decisions
LLMが応答、情報検索、他モデルへの委譲、応答拒否のいずれを行うかを決定する「コントローラークラス選択…
Mind the Gap? A Distributional Comparison of Real and Synthetic Priors for Tabular Foundation Models
表形式基盤モデルの事前学習データとして、実データと合成データの分布を比較した研究が発表されました。
More Than Can Be Said: A Benchmark and Framework for Pre-Question Scientific Ideation
AIが研究者の漠然としたアイデアを具体的な研究課題へ導くフレームワーク「InciteResearch」が発表されま…
Prediction and Empowerment: A Theory of Agency through Bridge Interfaces
部分観測下でのエージェントの行動原理を「ブリッジインターフェース」理論で分析する研究が発表されまし…
Towards Annotation-Free Validation of MLLMs: A Vision-Language Logical Consistency Metric
マルチモーダルLLMの評価に、アノテーション不要な論理的整合性指標「VL-LCM」が提案されました。
From Agent Loops to Deterministic Graphs: Execution Lineage for Reproducible AI-Native Work
AIエージェントの作業を再現可能にするため、実行履歴をDAGで管理する新手法が提案されました。
Debiased Multimodal Personality Understanding through Dual Causal Intervention
AIが動画から人物の性格を理解する際のバイアスを低減する新手法が開発されました。
Rethinking Vacuity for OOD Detection in Evidential Deep Learning
Evidential Deep LearningにおけるOOD検出の評価指標「Vacuity」の課題が指摘されました。
Automated alignment is harder than you think
AIによるAIアライメント研究の自動化が、意図せず危険なAIを導入するリスクを指摘する論文が発表されまし…
Knowledge Graphs, the Missing Link in Agentic AI-based Formal Verification
AIエージェントが形式検証でSystemVerilog Assertionsを生成する際に、知識グラフが有効な手法として提案…
SCRuB: Social Concept Reasoning under Rubric-Based Evaluation
LLMが社会概念推論タスクにおいて人間専門家を上回り、評価飽和に達したことが示されました。