ChatGPTに個人向け家計・資産管理の新体験を追加、米国のProユーザー向けにプレビュー
OpenAIの公式発表で、ChatGPT内に個人向けの金融体験を追加すると案内されています。 / 対象は米国のProユーザーで、金融口座を安全に接続し、利用者の金融状況や目標に基づくAIの提案やガイダンスを受けられるとされています。 / 現時点ではプレビュー段階で、提供範囲は限定的です。
論文紹介: 大規模言語モデルの強化学習におけるクレジット割り当てを整理するサーベイ
大規模言語モデル(LLM)の強化学習で、結果だけではなく途中のどの行動が成果に効いたのかを考える「クレジット割り当て(CA)」の問題を扱う論文です。 / 要旨によると、推論向けRLとエージェント向けRLの2つの場面を整理し、47本の手法を2次元の分類でまとめています。 / 論文では、機械可読の文献インベントリ、今後の論文向けチェックリスト、ベンチマーク手順の仕様という再利用しやすい資源も提案されています。
論文紹介: 強化学習と大規模言語モデルを組み合わせたロボット操作フレームワーク
arXivのプレプリントとして、強化学習（RL）と大規模言語モデル（LLM）を組み合わせたロボット操作向けの新しいハイブリッド手法が報告されています。 / 低レベルの制御をRL、高レベルの計画や自然言語理解をLLMが担う設計で、ロボットの実行と推論をつなぐことを狙っています。 / PyBullet上のシミュレーションとFranka Emika Pandaアームを使った評価で、RLのみの方式と比べてタスク完了時間の短縮、精度と適応性の向上が示されたとされています。
論文紹介: DLLM-Searcher: Diffusion Large Language Modelを検索エージェントに適応する試み
arXivのプレプリントとして公開された、検索エージェント向けのdLLM活用に関する論文です。 / 要旨では、dLLMの並列的な生成特性を、ReAct型エージェントの遅延削減に生かす狙いが説明されています。 / 一方で、既存のdLLMは推論やツール呼び出しの能力が弱く、実運用で十分に使うには追加学習が必要だとされています。
論文紹介: 依存構造を手がかりにした説明可能なマルチモーダル感情分析
テキストと画像を組み合わせるマルチモーダルな aspect-based sentiment analysis（MABSA）を扱う論文です。 / 従来の分類中心の手法に対し、感情判定と自然言語による説明生成を同時に行う枠組みを提案しています。 / 依存構造木を手がかりにした cue strategy により、aspect ごとの推論を助けると説明されています。
論文紹介: GLACIA — 氷河湖のセグメンテーションに位置関係の推論を組み込む試み
氷河湖の監視に向けて、画像の切り分け（segmentation）だけでなく、自然言語による位置関係の説明も扱う枠組みが提案されています。 / CNNやViT系の既存手法は画素レベルの予測が中心で、高次の場面理解や人が読みやすい推論が不足している、と原文では説明されています。 / GLACIAは、大規模言語モデルとセグメンテーションを組み合わせ、マスクと空間的推論の両方を出力する枠組みだとされています。
論文紹介: DeepSport、スポーツ動画の多様な推論に向けたマルチモーダル大規模言語モデル
スポーツ動画の理解に向けて、複数競技・複数タスクに対応するエンドツーエンド学習型のMLLM「DeepSport」を提案する論文です。 / 論文要旨では、動画から受動的にフレームを読むのではなく、反復的にフレームを抽出して推論する仕組みを採用したとされています。 / 78k件規模のデータセットを、テキストと画像の蒸留を使う3段階の手順で構築したと説明されています。
論文紹介: LLM4Rec: Large Language Models for Multimodal Generative Recommendation with Causal Debiasing
arXiv掲載のプレプリントで、マルチモーダルな生成型レコメンドにLLMを組み合わせる枠組みが提案されています。 / 要旨では、画像やテキストなど複数種類の情報を扱い、バイアス低減や説明生成、適応学習を組み込む点が特徴とされています。 / MovieLens-25M、Amazon-Electronics、Yelp-2023の3ベンチマークで、精度・公平性・多様性の改善が示されたとされています。
論文紹介: 拡散型LLMの推論を報酬なしで導く「RFG」
拡散型LLM（dLLM）の推論を、明示的なプロセス報酬なしで誘導する手法「reward-free guidance（RFG）」を提案する論文です。 / RFGでは、強化学習やSFTで強化されたモデルと参照モデルの対数尤度比を使って、報酬を近似する考え方が示されています。 / 理論的な正当化に加え、数学的推論とコード生成の4つのベンチマークで実験が行われたと要約されています。
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。