日次キュレーション 2026-7-18

機械の群団保全におけるブロック置換政策について、未知の故障分布からコスト最小化の交換間隔k*を学習するデータ駆動型アルゴリズムを提案。確率的マルチアームドバンディット として定式化し、Hoeffding-およびBernstein-ベースの下信頼限界アルゴリズムでO(K log T)のリグレットを達成。ブロック置換に固有のネストされた観測特性を活用した相関アルゴリズムはO((K-k*)log T)リグレットに改善。Kaplan-Meier更新アルゴリズムで検閲データから故障分布を非パラメトリック推定する。平均コストMDP分析2種により、ブロック置換の最適性と閾値構造を証明。数値実験で最適ブロック置換と年齢依存置換間のコスト差を確認。

複数同一機械の保全におけるブロック置換政策で、未知の故障分布から最適な交換間隔をデータから学習するアルゴリズムを開発。マルチアームドバンディット として定式化し、理論的リグレット境界を達成。Kaplan-Meier法で検閲データから故障分布を推定し、政策の一貫性と低リグレットを保証。ブロック置換と年齢依存置換の比較で、構造的なコスト差を数値実験で示唆。

複数機械の最適な交換時期を、故障データから学習するアルゴリズムを開発。未知の故障分布に対して理論的に効率的な学習戦略を提案し、ブロック置換と年齢依存置換のコスト差を分析。

中国語ASR N-best仮説のエラー訂正を目的としたPERL(Pinyin Enhanced Rephrasing Language Model)を提案。従来手法の課題は、Pinyinを特徴/プロンプトレベルのみで活用し、モデル表現に統合していないこと、および生成デコーディングが出力長を漂流させることにある。PERLは、(i)目標長度予測とマスク予算による長さ制約の強制、(ii)文意味に条件付けられたトークン単位ゲートによる意味表現とPinyin表現の融合、を組み込んだ拘束再表現パイプラインである。Aishell-1ベンチマークで29.11%のCER削減、新規ドメイン N-best ベンチマーク DoADで最大約70%のCER削減を達成しながら低遅延を維持。

中国語音声認識のエラー訂正モデルPERLを提案。Pinyin(発音記号)と意味情報を統合し、出力長を制約しながら訂正精度を向上させる。Aishell-1でCER(文字誤り率)を29.11%削減、ドメイン特定ベンチマークDoADで約70%削減を実現。

中国語音声認識の誤り訂正モデルPERL提案。Pinyin情報と意味表現を融合させ、出力長を制御しながら高精度化。テスト結果でCER(文字誤り率)を大幅削減。

CoreForgeは、LLMを用いてMaxSAT論文からMaxSATソルバーを実装するプロジェクト。ChatGPTとの対話、Codexプロンプトによる実装、LLM補助によるコード監査と修正を繰り返すワークフローで、core-guided optimization、preprocessing、core minimization、integer linear optimization backends、core-sequence lookahead等を実装。ファジング・MaxSAT Evaluation評価では結果の誤りなし。性能は手作成ソルバー以下。

CoreForgeプロジェクトでは、LLMを使用してMaxSAT論文から直接ソルバーを構築。ChatGPTでの議論、Codexによる実装、LLM補助コード監査を組み合わせた反復的プロセスを実施。評価結果は誤答なしだが、既製ソルバーより性能が低い。

LLMがMaxSAT論文からソルバーを実装できるか検証。ChatGPT・Codexを用いた実装は可能だが、既製ソルバーより性能が低く、人間の指導と外部検証が必要。