論文紹介: 回路設計支援のためのマルチモーダルLLMエージェント「MuaLLM」
arXivのプレプリントとして公開された、回路設計支援向けのマルチモーダルLLMエージェントに関する論文です。 / Hybrid RAGと、回路設計論文を扱う適応型ベクトルデータベースを組み合わせる設計が示されています。 / ReActの流れで、段階的な推論、目標設定、複数段階の情報検索を行う点が特徴とされています。
論文紹介: 胸部X線の対話的推論を目指すマルチモーダルLLM「CX-Mind」
arXivのプレプリントとして、胸部X線（CXR）診断向けのマルチモーダル大規模言語モデル「CX-Mind」が報告されています。 / 原文では、従来の「一回で答える」方式ではなく、思考と回答を交互に進める推論を目指していると説明されています。 / 学習には、708,473枚の画像を含むCX-Setと、臨床レポートで監督された42,828件の高品質な推論データが用いられたとされています。
論文紹介: Graph-MLLM ― マルチモーダル・グラフ学習の評価ベンチマーク
arXiv上のプレプリントとして公開された、マルチモーダル・グラフ学習のベンチマーク論文です。 / MLLMをグラフ学習にどう使うかを、Encoder / Aligner / Predictorの3つの枠組みで整理しています。 / 6つのデータセットを用いて、複数の手法を横断的に評価する点が特徴です。
論文紹介: 大規模言語モデルの時間推論を説明可能にする構造対応フレームワークGETER
arXivのプレプリントとして公開された、LLMの時間推論とその説明可能性を扱う論文です。 / 時間の粒度が異なる課題を広く評価するベンチマークを提案し、説明の妥当性まで見ようとしている点が特徴です。 / 本文要約によると、テキストだけでは納得しやすい説明を出しにくいという観察があり、グラフ構造とテキストを組み合わせるGETERを提案しています。
論文紹介: マルチモーダル大規模言語モデルにおけるRLベース推論のサーベイ
マルチモーダル大規模言語モデル（MLLM）における、強化学習（RL）を使った推論強化の研究動向を整理したサーベイ論文です。 / 抽象では、value-model-free と value-model-based の2つの主要なRLパラダイムを整理し、推論軌跡の最適化やマルチモーダル情報の整合にRLがどう関わるかを扱うとされています。 / ベンチマークデータセット、評価手順、現在の課題、今後の研究方向もまとめていると説明されています。
論文紹介: Vision-R1 — マルチモーダル大規模言語モデルに推論能力を促す試み
arXivのプレプリントとして公開された、マルチモーダル大規模言語モデル（MLLM）の推論能力向上に関する論文です。 / DeepSeek-R1-Zeroのような強化学習による推論能力の発現に着想を得て、Vision-R1というモデルを提案しています。 / 人手注釈なしで高品質なマルチモーダルChain-of-Thoughtデータセットを構築し、cold-start用の学習データとして用いています。
論文紹介: PCGRLLM — LLMを使った手続き型コンテンツ生成のための報酬設計
ゲームAIの学習で重要な「報酬設計」を、LLMを使って支援する手法を提案したプレプリントです。 / 既存研究を拡張したPCGRLLMという枠組みを示し、フィードバック機構と推論ベースのプロンプト設計を組み合わせています。 / 2次元環境でのstory-to-reward生成課題に対して、2種類のLLMで評価し、ゼロショット性能に応じて性能改善が報告されています。
論文紹介: LLMとGNNを組み合わせたテキスト・数値グラフ推論の研究
arXiv上のプレプリントとして公開された、テキストと数値の両方を持つグラフを扱う研究です。 / 著者らは、説明文や既知知識と、観測値・活性度のような数値情報を同時に持つ「text-numeric graph（TNG）」を提案しています。 / さらに、LLMとGNNを組み合わせてTNGを解析し、重要な要素の抽出や推論に使う枠組みを示しています。
論文紹介: 大規模言語モデルのアーキテクチャ、ベンチマーク、課題を整理したサーベイ
arXivのプレプリントとして、大規模言語モデル（LLM）とマルチモーダル大規模言語モデル（MLLM）の最近の動向を整理したサーベイ論文です。 / Abstractでは、LLMの進化、MLLMの登場、代表的モデルの比較、技術的特徴、強みと限界、今後の課題が扱われています。 / テキスト生成、翻訳、質問応答、コード生成・解析に加え、画像・音声・動画など複数モダリティを扱う方向性がまとめられています。
論文紹介: LLMでMinecraftの建築計画を立てる「APT」— ブループリント生成と実行を組み合わせたエージェント研究
arXivのプレプリントとして、LLMを使ってMinecraft内の複雑な建築を計画・生成する枠組み「APT」が提案されています。 / ポイントは、画像生成モデルで直接ボクセルを作るのではなく、LLMの空間推論や段階的な分解を使ってブループリントを作る設計です。 / zero-shot / few-shotでの実行、memory・reflectionによる反復 सुधार、複数の構成要素からなるベンチマーク評価が含まれています。