arXiv生成AI論文解説（2026年7月18日）

キーワード: 自己整合性 / ロボット方策 / 図表編集 / 学習データ汚染 / 検索エージェント

論文1: 言語モデルの統計的自己整合性を測る

• Patrik Wolfらは、言語モデルが集団について出す推定が、細かい部分集団の推定を集約した結果と整合するかを調べた。
• 二分木で集団を段階的に分け、各部分集団への回答を重み付きで集約する。直接尋ねた全体推定と比べることで、全確率の法則に沿うかを評価する設計だ。
• 最先端モデルでも整合性違反が広く見られ、細かな集団から再構成した推定の方が人間の参照データに近い場合があった。著者らはこれを「マクロの誤り」と呼ぶ。
• モデルが部分集団の知識を持っていても、それを全体の答えへ確実に反映できるとは限らない。正解ラベルが少ない場面の評価軸として重要である。

論文2: ロボット方策の文脈を八千時点まで広げる

• Yunfan Jiangらは、ロボットの視覚と行動の履歴を、推論時学習で長く使うRoboTTTを提案した。
• 従来のロボット基盤モデルは、一手か短い履歴で判断することが多い。RoboTTTは推論の遅延を増やさず、最大八千時点の文脈を扱う設計を目指す。
• 著者らは、長い履歴によって過去の失敗、物体の位置、作業の進行を参照できると説明する。短い観測だけでは見えない状況変化への対応が狙いだ。
• 実機での安全性や多様な環境への一般化は別途検証が要るが、ロボットに「直前だけで決めない」記憶を持たせる研究である。

論文3: 論文改訂から科学図表の編集を学ぶ

• Yasheng Sunらは、論文の改訂前後にある図表の差分から、自然言語指示で科学図を編集するSciDiagramEditを提案した。
• 科学図には模式図、グラフ、写真、矢印、注釈が混在する。ピクセル画像を描き直すだけでは、部品ごとの確認や共同編集が難しい。
• この研究は編集可能なベクトル形式を対象にし、著者自身の改訂意図に結び付いた前後ペアをベンチマークに採用する。実行履歴を使い、エージェントの技能仕様も更新する。
• 研究の図表作成を補助する可能性がある一方、科学的な意味を変える編集には人間の著者確認が不可欠である。

論文4: 公開討論欄を通じた事前学習データ汚染

• Victoria Grafらは、言語モデルの事前学習データが、公開討論インターフェースへの投稿を経由して汚染され得ると論じた。
• 既存研究はウィキペディアのような限定的なデータ源を想定しがちだった。実際のウェブ規模コーパスでは、収集とデータ選別の経路そのものを考える必要がある。
• HalfLifeという分析を導入し、悪意ある内容がウェブ収集後にどれほど残り得るかを推定する。第三者ページの内容注入も攻撃経路になり得ることを示した。
• これは攻撃を促す研究ではなく、学習データの来歴、重複除去、収集後の検査を強める必要性を示す安全研究である。

論文5: 検索エージェントの協調を失敗の反復から守る

• Yuyao Zhangらは、情報探索エージェントが長い履歴の中で進捗を見失い、同じ失敗を反復する問題を扱うSearchOS-V1を提案した。
• ウェブ検索を使う言語モデルでは、検索が不発に終わった時に同じ問いを言い換えるだけで、証拠が増えないことがある。
• 提案は複数の役割を持つエージェントが、探索の状態と得た証拠を共有し、次の行動を調整することを狙う。協調は人数を増やすだけではなく、失敗を記録する仕組みが要点だ。
• 検索結果の信頼性、出典の偏り、コストは残る課題である。正確な回答には、行動の回数より検証可能な根拠が必要だ。

参考ソース

• arXiv:2607.15277 https://arxiv.org/abs/2607.15277
• arXiv:2607.15275 https://arxiv.org/abs/2607.15275
• arXiv:2607.15272 https://arxiv.org/abs/2607.15272
• arXiv:2607.15267 https://arxiv.org/abs/2607.15267
• arXiv:2607.15257 https://arxiv.org/abs/2607.15257