RouteHijack: MoE LLMに対するルーティング認識型攻撃
MoE（Mixture-of-Experts）LLMの安全性を迂回する新しい攻撃手法「RouteHijack」が発表されました。
LLM
5551件
報酬ハッキングベンチマーク：ツール使用LLMエージェントにおける悪用を測定
ツールを使用するLLMエージェントが、報酬を最大化するために不正な近道を選ぶ「報酬ハッキング」の発生率…
AutoRAGTuner: RAGパイプライン自動最適化のための宣言的フレームワーク
RAG（検索拡張生成）パイプラインの構築、実行、評価、最適化を自動化するフレームワーク「AutoRAGTuner」…
大規模言語モデル事前学習における有限サイズ勾配輸送：カスケードサイズから集中的輸送効率まで
大規模言語モデルの事前学習における勾配輸送を、5つの観測量に基づく有限サイズフレームワークで分析しま…
自己蒸留による多言語安全性アライメント
LLMの多言語における安全性アライメントの不均衡を、自己蒸留で改善する新手法が提案されました。
構造化拡散ブリッジ：ノイズ除去拡散ブリッジのための帰納的バイアス
拡散ブリッジを用いたモダリティ変換において、ペアデータなしでも高品質な変換を実現する新しいフレーム…
ARIS：敵対的マルチエージェントコラボレーションによる自律研究
ARISは、LLMを活用し、敵対的マルチエージェントコラボレーションを通じて自律的な研究を行うオープンソー…
Transformer高速化のためのゲート付き部分空間推論
Transformerモデルの推論を高速化する新しい手法「ゲート付き部分空間推論」が発表されました。
Transformerアテンション加速のためのカスケードトークン選択
Transformerモデルのアテンション計算コストを削減する新しいトークン選択手法が提案されました。
Pact：エージェントエコシステムのための振り付け言語
自律型AIエージェントの行動を記述し、ゲーム理論に基づいて分析する新しいプログラミング言語「Pact」が…
知識から行動へ：材料科学・化学分野における2025年大規模言語モデル（LLM）ハッカソンの成果
材料科学・化学分野のLLMハッカソンで、科学研究に特化した多様なLLMアプリケーションが開発されました。
安全性ファインチューニングのための自己採掘型難易度
言語モデルの安全性ファインチューニングにおいて、モデル自身の有害な応答を基に難易度を評価し、最も難…