序章: なぜオフポリシー予測が難しいのかと STHTD-MP の狙い オフポリシー予測では、行動ポリシーとデータ分布のずれ、関数近似下での発散リスク、最適解周辺の鞍点がもたらす不安定さが大きな壁になります。従来の勾配TD法は収束保証が条件付きで、サンプル効率も低いことが多いです。STHTD-MP は対称部の行動ポリシー Bellman 行列を新しい指標として活用し、primal と auxiliary の学習率を一本化し、Mirror-Prox 更新で予測と補正を同時に行います。これにより収束性の安定化と効率化を狙います。 背景: 先行研究と不足していた幾何学的視点 オフポリシーTD学習は、関数近似下での発散と学習不安定性が長年の課題です。GTD系はこの課題を緩和する設計ですが、勾配の幾何学的解釈は未完結で、安定性保証も条件的でした。Mirror-Proxは鞍点問題を解く予測-補正型手法で、非平滑最適化にも適用可能です。最近は行動ポリシー情報を幾何学的メトリクスとして活用する試みが増え、正定値性やHurwitz性といった性質を満たす更新設計の有用性が議論されています。しかし実装

はじめに 本研究は、DeepSeek-R1 のような推論特化モデルが"熟考でバイアスを減らす"と信じられている一方、推論の長さが増えるほど位置バイアスが拡大する点を明示する。研究動機は、長い推論パスが正確性・再現性を左右する可能性を定量化すること。PBS（Position Bias Score）による定量化と、長さ依存性を検証する実証実験を通じ、デコード戦略やデータ設計の改善に繋がる洞察を提供する。本稿の狙いは、考えるほど偏る現象の影響範囲を明確化し、実務での評価指標と対策の方向性を示す点である。 背景と関連研究 上記の問題意識のもと、まず関連研究を整理する。長さ依存性は、LLMの推論過程における位置情報バイアスが蓄積する問題として広く議論されてきた。特にチェーン・オブ・ソート（CoT）推論での誘導的情報や、選択肢の表示順が結果に影響する現象が報告される。以前の研究は、推論が長くなるほどバイアスは薄まると考えられてきたが、近年の検証は長さが増すほど誤答傾向が顕著になる可能性を示唆しており、デコード戦略やデータ設計の再検討を促している。 研究課題と定義 このような背景を踏ま

近年、ニュースで目にする機会が増えている「PFAS」。水道水に含まれている可能性があり、健康リスクも懸念されています。2026年4月からは規制も強化されましたが、家庭ではどのような対策ができるのでしょうか。この記事では、PFASの基礎知識から、家庭で実践できる安全な飲料水の確保方法までをわかりやすく解説します。 PFASとは何か - 永続性有機フッ素化合物の基礎知識 PFASの定義と特徴 PFAS（ピーファス）は、「ペルフルオロアルキル化合物およびポリフルオロアルキル化合物」の総称です。実に1万種類以上の物質が含まれており、その中でも特にPFOS（ピーフォス）とPFOA（ピーフォア）が、健康リスクとの関連が強く指摘されています。 「永続性有機フッ素化合物」と呼ばれるのには理由があります。これらの物質は環境中で分解されにくく、一度放出されると長期間残留し続ける性質を持っています。また、生物体内で蓄積されやすく、食物連鎖を通じて高濃度になる「生物濃縮」も懸念されています。 どこに含まれているか PFASは意外なほど身近な場所に含まれています。 * フッ素樹脂加工品:

はじめに AIエージェントが直面する長期タスクの壁は高く、現行のベンチマークは短期的な成果や局所的な最適化に偏り、長期間にわたる計画・進捗の評価が不十分である。現実世界の文脈は複雑なファイル構造や連携タスクに依存し、月規模の取り組みを要する場面が多い。本研究は、規模の大きい合成コンピュータ群を用い、長期生産性タスクを自律的に遂行可能か検証するという意義を持つ。大規模シミュレーションと二段階エージェント設計により、自己改善のための学習信号を豊かに供給し、エージェントの適応力を測定する。本記事では、背景・技術図解・実験設計と今後の展望を順に解説する。 背景と先行研究 長期タスクの評価は現状ベンチマークが分断的であり、合成データと大規模シミュレーションは有効な補完になり得る。世界モデルと長期予測の研究は活発化し、NVIDIA Cosmos World、PAN系の長期世界モデル、MBZUAIの長期対話・タスクシミュレーションなどが代表例として挙げられる。こうした取り組みは長期計画・適応の学習信号を提供する。本研究は、合成デスクトップ環境を大規模に生成し、2段階エージェント設計で月規模の

概要 本記事では、CERNのCMS実験で行われた最新の研究成果「WWγ生成の観測とHγ生成の探索」について解説します。この研究は高エネルギー物理学の重要な進展であり、標準模型の検証と新物理探索に貢献するものです。 具体的には、13 TeVの陽子衝突、138 fb⁻¹の積分光度という条件で得られたデータを解析し、三重ゲージ結合（three gauge boson coupling）の直接検証を行いました。レプトン・光子の選択条件や断面積測定の結果を通じて、標準模型の予測精度と新物理探索の可能性について考察します。 研究の背景と意義 素粒子物理学の基礎をなす標準模型は、物質と力の基本相互作用を統一的に説明する理論です。しかし、暗黒物質や宇宙の物質・反物質非対称性などの未解決問題が残されています。こうした背景から、LHCの13 TeV領域でWWγ生成を観測することは、三重ゲージ結合の直接検証を通じて標準模型予測の精度向上につながります。一方、Hγ生成探索はヒッグス粒子と光子の結合を通じて新物理の兆候を探る試みです。 実験手法とデータ収集 CMS（Compact Muon So

はじめに——雷雨の木々が密かに光っていた 嵐の夜、木々の葉先が青白く光っていたら――そんな光景、想像できますか？多くの人が「そんなはずがない」と思うでしょう。しかし、70年以上も前から科学者の間で仮説とされてきた「樹木のコロナ放電」という現象が、ついに現実のものとして観測されたのです。 2026年、ペンシルベニア州立大学の研究チームが権威ある学術誌『Geophysical Research Letters』に発表したこの発見は、自然科学の歴史における大きなマイルストーンとなりました。雷雨の中で木々の葉先が微かに光る――その神秘の現象の全貌を、一緒に見ていきましょう。 コロナ放電とは何か——雷と植物の電磁的ダンス では、そもそも「コロナ放電」とは何なのでしょうか。その仕組みは、大自然が織りなす見事な電磁気的なダンスなのです。 まず、雷雲が発する強い負電荷が地上に近づくと、地上の正電荷が引き寄せられます。その正電荷は地面から樹木を通って上昇し、葉先の尖端部分に集中します。そして、葉の微細な毛状部分に強い電場が発生することで、可視光と紫外線を伴った微弱な発光が起こる――これが「コ

論文の概要と結論（要約と要点） グリューネージェンパラメータとは、体積変化に対する格子振動の周波数感度を表す指標で、Ta2NiS5 の振動モードで異常挙動を示すことを本論は指摘します。単結晶の圧力応答と温度依存性を解析し、格子と電子の強い結合が現象を駆動する可能性を示唆します。エキシトニック絶縁体状態やフェロエラスト性との関連性を議論し、再現性の確保と測定指針を具体的に提案します。 背景と先行研究（文献的位置づけ） Ta2NiSe5は長らくエキシトニック絶縁体候補として議論されてきました。Ta2NiS5の格子振動と電子結合の解明は、温度・圧力依存性を通じて重要な手掛かりを提供します。グリューネージェンパラメータは体積変化に対する振動周波数の感度を示す指標で、格子–電子相互作用の定量指標として活用できます。Ta2NiSe5との比較は機構の差異を明確にします。これらの知見は将来の材料設計と新規現象探索の基礎となります。本論の背景と先行研究は、格子と電子の結合機構の解明に役立つ基盤を提供します。 研究の手法（解析アプローチ） では、具体的にどのような手法で解析が行われたのでしょ

背景と問題設定 科学知識の発展を最適化問題として捉えることで、その進歩が必ずしもグローバルな最適解に向かわない可能性を明らかにする。本論では以下の重要な概念を定義する： 局所最適: 与えられた歴史的文脈・技術的制約・制度的環境において「最適に見える」知識状態。勾配降下法の比喩で言えば、現在の地点から見て最も改善される方向への進化。 全体最適（グローバル最適）: 理論的可能性の全空間において最も優れた説明力を有する知識状態。歴史的偶発性を超えた理想的な到達点。 ロックイン: 特定の理論枠組み・方法論・制度構造が自己強化され、代替的アプローチの採用が困難になる現象。認知的・形式的・制度的の三重構造をとる。 歴史的文脈の影響により、科学は「扱いやすさ・普及性・制度的報酬」という局所的勾配を最適化する方向に進み、より優れた自然の説明を見逃すことがある。この問題を理解し、克服するための戦略的介入が求められる。 ロックインの三重メカニズム 科学知識の局所最適化を維持・強化する三つの相互連結したメカニズムを特定する： 1. 認知的ロックイン: 研究者の思考習慣・メンタルモデル・問

はじめに：研究背景とMoTの定義 Mixture-of-Thought（MoT）は、単一の推論手法に頼る従来のLLM活用の限界を克服するための新しいアプローチです。複数の推論モードを協調させることで、長文推論や複雑な問題解決における信頼性を高めます。 基本用語の定義 * CoT（Chain-of-Thought）: 推論過程を段階的に可視化する技法 * PoT（Program-of-Thought）: 推論プロセスをコード形式で表現する方法 * 類推推論: 過去事例の構造を新問題へ転用するアプローチ * MoT（Mixture-of-Thought）: 上記3手法を組み合わせた統合推論フレームワーク MoTとは？なぜ重要なのか？ MoTの設計思想 MoTは、CoTの可視化性、PoTの検証性、類推推論の柔軟性を統合し、単一手法では対応できない複雑な推論タスクに対応します。中央コントローラが各推論モードの出力を検証・統合し、誤り伝播を抑制します。 重要性 1. 堅牢性の向上: 多様な推論パスによるリスク分散 2. 正確性の向上: 検証ループによる誤りの早期

STOP とは何か STOP（Self-Taught Optimizer）は、言語モデルを活用してコード生成のスキャフォルディングを自己改善させる考え方です。seed improverを出発点としてLMを繰り返し用いて下流タスクの性能向上を目指します。RSIを全面実装するわけではなく、スキャフォルディング部分を再帰的に改善する点が特徴です。実証実験ではGPT-4を用い、複数の下流アルゴリズムタスクで性能改善が確認されました。 背景と関連技術 STOPは、スキャフォールディングと推論方法の発展を背景としています。Tree of Thoughts、ReAct、Program-aided LMs などの先行手法は、思考過程と行動を組み合わせて複雑なタスクを解く手法です。STOPはこれらの流れを踏まえ、Seed improverを起点に自己改善を再帰的に進める実装指針を提供します。GPT-4等の大規模LMを用いた実験では下流タスクの改善傾向が確認されています。 STOP の仕組みとアルゴリズム Seed improver を起点とし、LM が下流タスクの改善候補を生成・評価し、再

1. はじめに 本研究はロボティクスへ Foundation Models を適用する設計を提案する。Foundation Models とは大規模データと事前学習に基づく汎用的機能を、下流タスクへ転用できる基盤モデルを指す。特に視覚・言語・運動を統合する Perception-Reasoning-Action の三段階パイプラインを軸に、現実環境での長距離長時制御をゼロショットで実現する枠組みを解説する。背景には多様な環境・未知物体への適応性と、安全性がある。研究課題はモジュール間の統合性と実機適用性、貢献は統合アーキテクチャの提案と初期実証の提示である。 2. 背景と関連研究 背景と関連研究では、Foundation Modelsをロボティクスへ適用する試みが中心である。SayCan、PaLM-Eなどのモデルは視覚・言語・運動を統合し、低資源環境での長距離移動や長期タスクをゼロショットで実現する設計を提案する。Open-Vocabulary Navigation and Manipulation や Vision-Language-Action の統合アプローチは、環境理解

はじめに 本章では、RAG（Retrieval-Augmented Generation）におけるチャンクの役割と課題を解説します。適切なチャンキングは埋め込み品質と検索精度を左右し、情報喪失を防ぎ再現性を高めます。従来の固定長・単一戦略は効率とスケーラビリティの両方で限界がありました。これに対し、文書ごとに最適な戦略を選ぶAdaptive Chunkingの考え方と、実装の基本方針を紹介します。本稿では、実務での導入手順や評価観点の整理も併せて解説します。 Adaptive Chunkingとは何か？ Adaptive Chunkingとは、文書ごとに最適なチャンク戦略を選択してRAGの性能を最大化する手法です。従来の固定長・単一戦略では情報の欠落や過剰な埋め込みにより、検索・回答の精度が低下します。本手法は五つの内在的品質指標（intrinsic metrics）を用いて、ground-truthなしでチャンク品質を総合評価します。 具体的には以下の5指標を評価します： 1. References Completeness (RC) - 情報喚起の完全性 2. In

はじめに: RCS4.0とは何か RCS4.0は、RCS Universal Profileの最新版として、従来のメッセージング機能にビデオ通話・リッチメッセージの拡張を統合する動きである。GSMAの公式リリースや解説によれば、相互運用性の向上と安全性の強化を目指し、MIVC機能やエンドツーエンド暗号化の導入が進んでいる。AndroidとiPhone間の体験差を縮める動きも注目点だ。 第1章: RCSの背景とUniversal Profileの発展 第1章では、RCSの歴史とUniversal Profileの発展を概観する。長らく普及を試みてきたUniversal Profileは、キャリアとメーカーの協調で機能拡張と国際標準化を進め、メッセージング体験をSMSからスマートなRCSへ移行させてきた。Plus Messagingの現状、Appleの対応動向を踏まえ、実務での導入影響や導線設計を解説する。 第2章: 4.0で追加された機能と仕様（MIVC, エンドツーエンド暗号化など） RCS Universal Profile 4.0に基づく機能追加として、ビデオ通話やリ