研究・論文

Federico Boggia氏が7月23日に発表した論文は、LLMが演説調の文章で「言い直し」表現エパノルソシスを人間の約2倍多用すると分析しました。プロンプト指示やLoRA調整で頻度を抑えられることも示しています。

海外研究チームがCoT推論モデルの内部状態を分析し、AIME数学問題で収束時90.3%・非収束時6.6%という正答率の差を確認しました。

研究者Liam Swayne氏が発表したベンチマークRelay-Benchでは、最先端のGPT-5.5でも複数分野をまたぐ推論課題の正答率が43.3%にとどまり、既存評価では見えない弱点を示しました。

Amazon自費出版市場を分析した論文で、生成AI書籍が売上シェアと上位ランキングを侵食する一方、書籍1冊あたりの収益は下がっていることが判明しました。

Liquid AIが小型モデルLFM2.5-8B-A1Bのトークナイザを事前学習後に拡張する新手法を論文で公開しました。ヒンディー語やタイ語の処理を最大4倍圧縮し、オンデバイスAIの多言語対応を高速化します。

UT Austinの研究チームが、拡散言語モデルに強化学習を適用する新手法「Mask-Aware Policy Gradients」を提案しました。生成順序も学習対象に含め、GSM8Kで87.1%、MBPPで53.4%を達成しています。

ワシントン大学とAI2の研究者が、掲示板やコメント欄経由でLLM事前学習データを汚染できると実証した論文を紹介します。新手法HalfLifeにより毒入りコンテンツの生存確率0.13%を定量化しました。

米研究者らがLLMの「人格」を活性化空間のベクトルとして解析した論文をarXivで公開しました。53特性・171ペアを検証し、医師役の応答は専門医判定と17項目中16項目まで一致することが分かっています。

Claude Codeの2,908件の実行データを分析した論文が、トークン削減はコスト削減にならないと報告しました。プロンプトキャッシュが請求額の8割を占め、圧縮はコード編集の成功率まで下げると分かりました。

心理学者がARC-AGIベンチマークを100人に実施し、人間の流動性知能を測る検査として妥当だとする論文をarXivで公開しました。既存の知能検査との相関はρ=0.63でした。