本研究では、日本の不動産投資信託（J-REIT）が、有価証券報告書を通じて公開する、表形式及びテキスト形式で構成される物件情報を、大規模言語モデルを用いたアンサンブル手法を用いて構造化し、データセットを構築する手法を提案する。従来、有価証券報告書における物件情報は、HTML形式で表とテキストが混在しており、機械的な構造化は困難であった。そこで本手法では、複数の大規模言語モデルを用いたFew-shotプロンプティングにより、高精度な物件情報の構造化を実現した。大規模言語モデルは、学習データやモデルの特性の違いにより強みと弱みが異なることから、それぞれの出力を補完的に統合することで、構造化の精度向上を図った。また、大規模言語モデルが表中のテキスト内容を改変して出力していないか、事後的に検知する仕組みも導入し、手動による訂正作業の効率化を目指した。これらを通じて、手動による訂正作業の負荷を抑えたJ-REIT物件情報データセットの構築方法を提案する。

現在、多くの企業や組織がSDGs達成に向けて様々な施策を策定し、実行している。このような施策の中には既存の取り組みを微調整したものや、他社・他分野での事例を盲目的に取り入れたものなども存在する。そのため、施策の策定では、施策が企業の既存の事業活動と矛盾するリスクや、特定のゴール達成を目的とした施策が別のゴールの達成を阻害するリスクが伴う。本研究ではSDGs達成に向けた施策間の関係性を表現し互いに矛盾する施策を検出するリスクモデルを提案する。そして、実施例を通して提案したモデルの有効性を確認する。

「AGI(人工汎用知能)」とは、人間と同等あるいはそれ以上の知能を持ち、多様なタスクをこなせる汎用的な AI を指す概念で、従来からあるタスクに特化した特化型 AI(narrow AI) と対比される。 近年の急速な発展を考えると、AGI と呼びうる AI は今後数年以内に実現するという見方もある。し かし、何を持って AGI が達成されたとするのかについて、全ての専門家が合意する決まった定義は存在しない。マーカス・ハッターらは、Legg-Hutter intelligence という数学的な定式化を提案している。これは、知能を「あらゆる環境において目標を達成する能力」として捉え、環境からの報酬を最大化する能力として定量化するものである。Legg-Hutter intelligence が最大の "理想的" な AI を「万能 AI(Universal AI)」と呼ぶ。万能 AI はあらゆる計算可能な環境に対してベイズ最適にふるまう強化学習エージェントである。AGI そのものを数学的に厳密に定義することが困難な現状において、万能 AI は AGI の理論研究の道具としてよく使われる。今回 、我々は論文「Universal AI maximizes Variational Empowerment」(林、高橋、arXiv:2502.15820) において、万能 AI の一つのモデルである Self-AIXI の正則化項が変分エンパワメントと一致すること、また自由エネルギー原理とも同等の特性を持つことを発見した。エンパワメントはエージェントの内部状態あるいは行動と次のセンサー入力との相互情報量として定義され、「自分が取りうる行動の多様性と影響力」を測る指標である。従来、AGI セーフティーの観点では「AI が権力追求行動(パワーシーキング)に走るのは最終的な報酬を得るための "道具的" 戦略だ」と理解されてきた。しかし、我々は今回新たに「好奇心や自己目的的な探索などの内発的動機自体がパワーシーキングを促す可能性がある」ことを示した。これは、例えば一見無害そうに見える「科学的探究・真実探究のみを目指す AI」であっても、より多くの実験装置や計算リソースを確保し、行動の選択肢を増やすために権限や資源を集める、といったパワーシーキング的なふるまいを生む可能性を意味する。

This study aims to quantitatively analyze the impact of AI advancements on young women's career orientation and adaptive behavior.The theoretical foundation is Dr. Osborne's discussion in The Future of Employment. Free-response data from 2,657 individuals were collected and analyzed using machine learning-based natural language processing. Additionally, data on the career anchor index, which measures values related to occupational choice with eight distinct orientations, were obtained and statistically examined to explore its relationship with perspectives on AI adaptation. This study clarifies the correlation between career orientation and AI adaptation and constructs adaptation patterns. The findings provide insights that contribute to educational institutions' corporate human resource strategies and reskilling initiatives.

高齢になっても地域で元気に暮らせること，健康を維持することは，生きがい，豊かな生活，医療費の抑制など，個人と社会の双方にとって大きなメリットがある．少子高齢化・人口減少社会において，地域住民が健康であり，生きがいを感じ，安心安全な生活を送ることができる都市が求められている．本稿では，その実現を目指す健康増進都市(Smart Wellness City)と，そのデジタル社会実験にむけての取り組みとして，合成人工データとモバイル空間データを用いた住民行動における歩行数を推定するシミュレータ開発について述べる．本シミュレータは，NetLogoをベースに構築され，地域住民全体に働きかけてリスク低減を目指し，住民全体の日常の身体活動量を増加させる施策効果を推定することを目的としている．

本研究では、株式市場における機械学習を用いたクロスセクション予測の精度を向上させるため、株価リターンシグナルと業績シグナルの有効性を比較分析した。株価リターンシグナルは、将来の株価リターンの相対順位をラベルとするもので、一方で業績シグナルは、企業業績（およびその成長率）の相対順位をラベルとするものである。本研究では、これらのシグナルを個別および組み合わせた形で使用し、さまざまなディスクリプターを特徴量に機械学習モデルを適用してクロスセクション予測に基づいて分位ポートフォリオを構築した。その結果、株価シグナルは業績シグナルよりも有効である一方、業績シグナルは決算時に効果的であることが確認された。また、決算期にこれらを統合することで予測精度がさらに向上することが明らかとなった。

Pancreatic cancer is one of the most difficult cancers to recovery. The survival time rate of 5 years is 10%. Analyze clinical public data, then determine the relation between metastasis sites and genetic mutation due to survival rate. The number of case data is 956 with OS < 1 year. Principal component analysis of attributes and clinical tests showed the highest contribution rate of MSI-Score as 0.45. The PCA scatter plot of subject attributes and clinical test results is divided into two groups based on genetic test information and metastasis information.

In this paper, we present the development and evaluation of a clinical medical knowledge assessment set for large language models (LLMs), named UT-MedEval, using the detailed version of the disease ontology from the Clinical Ontology in Anatomical Structure and Disease (CONAND). UT-MedEval covers multiple medical domains, including cardiology, gastroenterology, neurology, nephrology-endocrinology, diabetes-metabolism, allergy-rheumatology, and orthopedics. It consists of 980 questions across three types of tasks (question-answering) and three response formats: free-form answers, multiple-choice (20 options), and yes/no questions. We evaluated OpenAI's GPT-4o and GPT-4o mini on this dataset. The accuracy results were as follows: GPT-4o achieved a correctness rate of 74.3% (95% CI: 71.5-77.0), while GPT-4o mini achieved 65.5% (95% CI: 62.5-68.4). The task requiring answers about the causes of diseases had the lowest accuracy.

電子カルテを用いた疾患予測は，患者の医療履歴を基に将来罹患する疾患を予測する技術である．その中でも，時間的知識グラフに基づく手法では，患者に対する疾患，所見などを時刻情報を含むグラフ構造を用いて表現し，時系列グラフモデルを利用して疾患を予測する．一方，時間的知識グラフを用いた既存手法では予測結果の説明性が欠如しており，医療分野における信頼性の観点で課題が残る．そこで本研究では，時間的知識グラフと医療オントロジーを統合した疾患予測モデルMedTKG に対してGNNExplainer を適用し，予測根拠となる説明サブグラフの抽出を試みる．評価実験では，抽出した説明サブグラフの定量的評価および定性的評価を通して，その妥当性を検証する．

深層学習モデルを用いた医用画像解において，分類モデル等が推論過程で注視した画像領域を提示する技術は，推定結果に対する説明を与えるなど，診断を支援するものとして期待されている．これまでに，そのような注意領域を提示する複数の手法が提案されているが，説明性能や提示される領域の傾向は十分に分析されていない．そこで本研究では，MRI 脳腫瘍画像の分類を対象に，複数の深層学習モデルおよび注意領域提示手法に対して，その説明性能を定量的に評価するとともに，提示される注意領域を定性的に分析する．具体的には，深層学習モデルを4 つのブロックに分割し，各ブロックに対して得られる注意領域，その平均，各ブロックの分類における重要度を学習した重みを用いた加重平均，および既存の注意領域提示手法であるLayerCAM の結果を比較し，モデルごとの特性，およびそれによる注意領域に生じる差異を分析する．

Annotation of medical images is crucial for assessing cancer treatment outcomes and defining radiotherapy targets. It also plays a key role in medical AI research as a preprocessing step for machine learning models. However, the heavy workload of medical professionals limits their capacity for extensive annotation tasks. To address this, we propose a method for segmenting sequential medical images with minimal annotation effort. Building on UniverSeg, which enables few-shot segmentation without additional training, our approach iteratively enhances segmentation by incorporating each inference result into the support set. Experiments on the HVSMR dataset show that our method outperforms baseline UniverSeg.

This paper proposes a method to improve the prediction accuracy of Diagnosis Procedure Combination (DPC) codes in discharge summaries. First, the discharge summary data are formatted uniformly using LLM. Second, Causal Extraction is applied to extract causal information. Third, morphological analysis is performed on the original discharge summary data to create a vector of word features. Fourth, the causal information is used to highlight the features. Fifth, training examples of the classifier are generated. Finally, machine learning methods are applied to the training examples. Experimental validation results show that causal information is effective in improving the prediction accuracy of DPC codes.

本研究では､投資比率を最適化する複利型深層強化学習を用いて､過去のFXﾚｰﾄを用いた金融取引戦略の習得を行う｡現在､機械学習を金融に応用する研究が盛んに行われている｡複利型強化学習は､利益率の複利効果を最大化する行動を習得することを目的とした強化学習の枠組みである｡複利型強化学習には新たなﾊﾟﾗﾒｰﾀとして投資比率が存在し､この投資比率を最適な値にすることで､利益率の複利効果を最大化することができる｡先行研究において､深層強化学習を複利型に拡張した複利型深層強化学習､複利型深層強化学習における投資比率を最適化する手法がそれぞれ提案されている｡本研究では､投資比率を最適化する手法を取り入れた複利型深層強化学習を用いて､実際の過去のﾄﾞﾙ円のFXﾚｰﾄを用いた､成り行き買い注文と売却を行動とした金融取引戦略の習得を行う｡

大学入試学を中心に英語学習の基礎理論を議論する。世界モデルの実現についても言及する。

This study aimed to understand how employees feel about their work environment and the factors influencing those feelings, by analyzing reviews on job-switching websites. The data extracted using advanced natural language processing (BERT) revealed common factors affecting employee satisfaction, including workplace environment, career development, business growth, interpersonal relationships, and evaluation and rewards. Furthermore, by utilizing large language models to generate employee personas, the study identified specific challenges and motivations, suggesting the potential to infer employee characteristics and provide valuable insights for decision-making.

This study focused on identifying the most effective and precise machine learning models for evaluating the effects of major sporting events. This study incorporates advanced selection techniques, such as Least Squares, Stepwise Regression, Support Vector Machines, Boosted Neural Networks, and KNN, to broaden the scope of machine learning applications. This study emphasizes the significance of key factors such as long-term investments, visitor numbers, and GDPs in assessing the impact of these events. This study assessed the contribution of the correlation between the variables and the principal components and each machine learning model performance during the training and validation phases. The results indicate that the Least Squares and Stepwise Regression models performed well during the training phase, whereas the neural-boosted model showed limitations in generalization.

本稿では、8,000編以上の日本語の短いストーリーを手作業で作成したデータセットを紹介する。このデータセットの主な目的は、日本語における同様のデータの不足に対処することである。さらに、クラウドソーシングを通じて、異なる結末文も提供する。元の結末文よりも可能性がわずかに低い結末文を追加するように拡張され、提案したデータセットは現代の大規模言語モデルにとって高難度の課題を提供するテストベンチマークとして利用できる。また、このデータセットは主語と目的語の自動操作などによってさらに拡張され、本研究では3つの主要なタスクで評価される：（a）もっともらしいストーリーの結末の予測、（b）反意語の置換による不自然な文の検出、（c）名詞の入れ替えによる不自然な文の検出。予備実験の結果は、特に名詞が入れ替わった文章を認識するタスクではゼロショットGPT-4が比較的に高い正解率（94％）を示した。一方で、オープンソースの日本語LLMは提案されたストーリーの処理に苦戦していることが明らかになった。