AI ニュースを検索

見出し・要約・本文から、情報のつながりを探します。

2026-11-11

arXiv cs.CV13:00

びまん性嚢胞性肺疾患の診断のためのエビデンスに基づく反復推論

arXiv:2611.12981v1 発表タイプ：新規抄録：重複する画像所見はびまん性嚢胞性肺疾患（DCLDs）の鑑別診断を複雑にする一方で、注釈付きデータが限られているため教師ありモデルの開発が制約されています。マルチモーダル大規模言語モデル（MLLMs）は画像情報と臨床情報を統合できますが、その診断推論は不完全な体積認識や疾患特異的証拠への十分な根拠付けの欠如により依然として制限されています。我々は、診断仮説の精緻化とマルチモーダルな証拠取得・検証を連携させる、証拠に基づく反復推論フレームワークであるDCLDs-EIRを提案します。予測された肺および嚢胞セグメンテーションの多視点レンダリングにより、全体的な嚢胞分布を把握し、鑑別診断を初期化します。競合する仮説に基づいて軸方向CTを検査し、局所所見を特定します。これらの所見は臨床背景とともに、疾患特異的ナレッジグラフからの知識取得に役立ちます。蓄積された患者観察結果と取得した知識を統合的に評価して診断的支持または反証を行い、診断状態を修正します。更新された仮説と未解決の鑑別点は次の検査を導き、証拠取得と仮説検証の間でフィードバックループを形成します。多施設評価により、DCLDs-EIRがベースラインに比べて一貫して診断精度を向上させ、診断仮説・患者観察・疾患特異的知識の明示的なリンクを通じて追跡可能な鑑別診断を可能にすることが示されました。

2026-11-09

arXiv cs.CV13:00

AtariBench：Atariゲームプレイにおけるビジョン・言語モデルの時空間推論の評価

arXiv:2611.08755v1 発表タイプ：新規要旨：ビジョン・ランゲージモデル（VLM）は、静的な視覚理解ベンチマークにおいて優れた性能を示していますが、動的な環境での行動能力についてはまだ十分に解明されていません。本稿では、Atari 2600のゲーム20種類に対してVLMを評価する制御されたベンチマークであるAtariBenchを提案します。このベンチマークでは、時間分解能の高いゲームプレイストリームから逐次的な意思決定を行うことが求められます。ゲーム内の迅速なダイナミクスと経過時間に基づく推論速度を分離することで、AtariBenchはモデルが視覚的情報の急速な変化を捉え、時空間的ダイナミクスを推論し、現在の観測に基づいて行動を決定できるかに焦点を当てています。実験の結果、最先端のVLMには大きな限界があることが明らかになりました。具体的には、物体の動きや方向を推論できない場合が多く、逐次的な意思決定が脆弱であり、新たに付加された視覚フィードバックにもかかわらず、テキストによる相互作用履歴に過度に依存していることが示されました。さらに、モデルの能力を示す信頼性の高い指標となるゲーム内スコアを特定するための分離可能性分析を導入し、メモリ設計やプロンプト戦略が性能に与える影響を調査しました。全体として、AtariBenchは受動的な視覚認識と能動的な意思決定の間にある持続的なギャップを浮き彫りにし、動的な環境で推論し行動できるVLMの開発のための軽量かつ厳密なテストベッドを提供します。

arXiv cs.DC13:00

UniExit：異種エッジAI向けの統合遅延意識型早期終了ランタイム

arXiv:2611.09159v1 発表タイプ：新規要旨：エッジアプリケーションでは、CNNベースの認識とエッジ展開可能なTransformerベースの言語モデルを組み合わせるケースが増加していますが、リソース制約のあるデバイス上でこのような異種ワークロードをデプロイするのは困難です。これは、推論レイテンシが入力の難易度および実行時のハードウェア状態の両方に依存して変動するためです。早期終了推論は中間段階で処理を終了することで計算量を削減しますが、既存手法は多くの場合モデル固有であり、動的なエッジ環境下では陳腐化する静的なレイテンシプロファイルに依存しています。本論文では、異種エッジAI向けの統一されたレイテンシ-awareな早期終了ランタイムであるUniExitを提案します。UniExitはCNNブロックとTransformer層を順序付けられたステージとして抽象化し、モデル固有の品質メカニズムを維持しつつ、共通のレイテンシ-awareルーティングポリシーを適用します。実行時状態と推論進捗から次の終了点に到達する際のコストを予測し、バジェット-awareな継続/終了判断を行います。UniExitは、実行時状態-awareなレイテンシ予測、キャッシュベースの予測再利用、トレンド-awareフォールバック、およびCNN固有の終了安定化を組み合わせることで、オーバーヘッドが低く堅牢なオンライン制御を実現します。我々は複数のエッジおよびエッジ-クラウドプラットフォーム上でUniExitを実装し、代表性のあるCNNおよびTransformerベースの言語モデルワークロードを用いて評価しました。単一ワークロード、同時実行中の異種ワークロード、およびエッジ-クラウド設定のいずれにおいても、UniExitは既存のプログレッシブ推論ベースラインに比べて、締切満足度とレイテンシ-精度のトレードオフを一貫して改善するとともに、冗長な終了モジュール計算やタスクレベルのエネルギー消費も削減します。

2026-10-27

SiliconANGLE AI21:00

Edge Soundは、物理的なAIが音声を理解できるよう支援するために200万ドルを調達しました

Edge Sound Research Inc.は本日、有用な音を分離し、他のセンサーデータと組み合わせて物理AIシステムがリアルタイムで状況を理解できるよう支援する音響インフラの構築に向け、新たに200万ドルの資金調達を行ったことを発表しました。このラウンドはStormbreaker Venturesがリードし、同社の総資金調達額は900万ドルに達しました。当該[…] 記事「Edge Sound、音声を物理AIが理解できるようにするための200万ドルを調達」は、元々SiliconANGLEに掲載されたものです。

経緯と関連報道

arXiv cs.CV12:00

EKTルーター：身体化された視覚言語モデルにおける専門家と証拠の整合性

arXiv:2610.33044v1 発表タイプ：新規要旨：身体を備えた視覚言語モデルは、部分的で変化する観測情報から質問に答える必要があります。その成功は、選択される推論能力と、それに利用可能な証拠の両方に依存します。専門家ルーターは内部計算を適応させ、ツール拡張型システムは外部証拠を獲得しますが、これらを独立に選択すると、適切な専門家が必要な証拠を持たない状況が生じる可能性があります。私たちは、能力専門家、オプションの知識、および知覚ツールを共同で選択する制限付きフレームワークであるEKT-Routerを提案します。結果に基づくシグネチャは、一般推論、空間推論、時空間推論の各専門家の重なり合う強みを表現します。共同ユーティリティは、呼び出し予算の下で完全な専門家–証拠経路のスコアリングを行います。取得後、パケット検証器が有効なものを承認します

経緯と関連報道

2026-10-26

arXiv cs.AI12:00

$\Psi$-0.6：統一された視覚言語世界モデルにおける思考のストリームの適応的生成

arXiv:2610.32177v1 発表タイプ：新規要旨：人間は、問題が進行するにつれてさまざまな推論形式を柔軟に組み合わせることで、物理的世界について推論を行う。この柔軟性を実現することは、AI分野における大きな未解決の課題である。現在の多くのシステムでは、各機能が専用のモデルごとに分離されており、それらをどのように組み合わせてタスクに共同で適応させるかという点で制限が生じている。私たちは、$\Psi$-0.6を提案する。これは、視覚と言語を統合した世界モデルであり、思考のストリームと呼ぶ共有された推論プロセスの中で、知覚、言語、幾何学、シミュレーションを適応的に組み合わせる。これらのストリームは、画像、テキスト、および幾何学や運動の明示的な表現を相互に交錯させ、すべてを共有されたトークンインターフェースを通じてモデルが生成・解釈できる。$\Psi$-0.6は、多視点空間に関するゼロショット性能において、最先端のオープンウェイトモデルを凌駕する。

経緯と関連報道

arXiv cs.AI12:00

オンライン3Dビンパッキングにおける空間ヒューリスティック戦略に基づく拡散強化学習

arXiv:2610.32241v1 発表タイプ：新規要旨：従来のヒューリスティック手法は、空間利用率やレイアウトのコンパクトさといった3Dビンパッキングの核心的な目標において、人為的に設計されたルールベースの論理に依存することで成熟した経験を蓄積してきました。しかし、一般化能力や動的シナリオへの適応性には明らかな限界が見られます。一方、強化学習の空間探索能力と拡散学習のデータ分布モデリング能力を統合した拡散強化学習は、行動分布のモデリングや意思決定の遵守制約の面で一定の進展を遂げています。それでもなお、3Dビンパッキングにおける空間的トポロジー構造の十分な把握や、レイアウト最適化能力の限定といった課題が残されています。

経緯と関連報道