arXiv生成AIニュース（2026年7月16日）

キーワード: 時点固定学習 / 医療AI / 点字翻訳 / RAG再順位付け / AIエージェント / 信頼性

論文1: 未来情報を混ぜない時点固定言語モデル

• 時系列の金融・社会研究では、未来に公開された文章が学習データに混ざると検証結果が過大になる。
• 研究チームは各暦日までに公開された文章だけを使い、2013年から2024年までの月ごとのモデルを作った。
• 最大40億パラメータ、1兆トークンで学習し、同規模の一般公開モデルに近づく性能を報告する。未来を知っているモデルとの性能差はなお残る。

論文2: 専門領域の質問に文脈に沿って答える評価セット

• 医療診断や金融助言では、一般知識の正答だけでなく、利用者の状況に合う根拠ある回答が必要になる。
• 専門家が整えた質問を、直接の情報抽出と状況を踏まえる多段推論に分け、十を超えるモデルを評価した。
• 検索と規則推論を組み合わせる軽量方式を基準に置き、汎用モデル単独の限界を示した。

論文3: 点字で露わになった大規模言語モデルのアクセシビリティ課題

• 韓国語と点字の双方向翻訳で、最先端モデルの出力は不安定で、人の評価とも大きく食い違った。
• 同じデータで小型モデルを教師あり微調整すると、ゼロショットやプロンプト方式を大きく上回った。
• 多言語対応を掲げるモデルでも、構造化された文字体系への配慮と専用データは別途必要だと示す。

論文4: RAGの再順位付けを軽量化する蒸留モデル

• 検索拡張生成では、候補文書を精密に並べ替える再順位付けが精度を左右するが、計算量が重い。
• 8B級言語モデルを再順位付け役に微調整し、4ビット量子化して、キーワード検索とベクトル検索の二系統に組み込んだ。
• 著者らは領域別の評価で回答の関連性と正しさが改善したと報告するが、比較条件は限定的で追試が必要だ。

論文5: 乳がん治療提案で試すAIエージェントの限界

• 実際の72症例を使い、単独モデル、ツール利用、複数エージェントの治療提案を比べた。
• 最良の構成でも総合スコアは0.594にとどまり、誤った推奨、根拠不足、古い情報、過信が残った。
• 医師の代替ではなく、監督下での補助としても検証・引用確認が不可欠だとする結果である。

参考論文

• arXiv:2607.11889 — https://arxiv.org/abs/2607.11889
• arXiv:2607.11891 — https://arxiv.org/abs/2607.11891
• arXiv:2607.11893 — https://arxiv.org/abs/2607.11893
• arXiv:2607.11933 — https://arxiv.org/abs/2607.11933
• arXiv:2607.12051 — https://arxiv.org/abs/2607.12051