S.KATO

助教@京大，特定フェロー（JST BOOST 若手研究者支援）＠産総研，さきがけ 研究開発プロセス革新
Asst. Prof. @ Kyoto Univ. / Joint Appointed Fellow @ AIST / JST PRESTO R&D Process Innovation

[S.KATO @s_kat0]

今週の #JSAI2026 では、主著・共著で5件の発表があります。
1. Temporal Fusion Transformerによるデータ駆動型食後血糖値極値予測
2. LA-Bench 2025：実験指示から実行可能手順を生成するためのデータセット（主著、発表）

[Haruka Ozaki (尾崎遼) @yuifu]

JSAI、明日6/10[水] 9:00からのOS-8「生成AIと研究自動化が拓く医歯薬学・生命科学DX」にて、LA-Bench 2025の発表があります！

[3F1-OS-8-03]
LA-Bench 2025：実験指示から実行可能手順を生成するためのデータセット

要旨
https://t.co/oXutZmk1w6

LA-Bench 2025公式サイト
https://t.co/8lxrpCXtaY

[S.KATO @s_kat0]

明日朝9時半よりF会場で発表します！
よろしくお願いします！

[S.KATO @s_kat0]

2. LA-Bench 2025：実験指示から実行可能手順を生成するためのデータセット
LA-Bench 2025では、実験指示から実行可能な手順を生成するLLMの能力を評価するデータセットを構築しました。LLM-as-a-judgeの評価設計を比較し、複数設計の併用が重要と示しました。

[S.KATO @s_kat0]

会場から駅まで、歩いて10分くらい。

[S.KATO @s_kat0]

会場から駅までのバス満席（乗れず）

[S.KATO @s_kat0]

【2C4-KS-22】生成AI・プレプリント時代における研究成果公開の再設計 ― トップカンファレンス文化はどこへ向かうのか を聴講中。
企画背景と趣旨：https://t.co/eUO8LQE1tP

[Kento Kawaharazuka / 河原塚 健人 @KKawaharazuka]

今日から #JSAI2026 に参加します！
13:30-19:00まで, 「基盤モデル時代におけるPhysical AI」OSのオーガナイザーをやっております！
いつでも話しかけてください！

14:45-15:00にBBOに基づく最適ロボット設計の発表,
16:30-17:00に招待講演として最近のロボット基盤モデルをまとめます！
来てね！

[S.KATO @s_kat0]

普段から使わせていただいているoverleafのラバーダック。

[S.KATO @s_kat0]

今日の朝はここに参加してます。

[S.KATO @s_kat0]

明日の午前に、昨年人工知能学会に支援いただいて開催したコンペティションであるLA-Bench 2025の報告があります！

[Paavo @PaavoParmas]

New preprint📣
Typical reinforcement learning policy gradient algorithms target the mean reward E[R], while deployment often cares about other properties of the reward distribution: pass@k, max@k, tail risk like CVaR, robust metrics like medians, etc.
We introduce OrderGrad, a method that can flexibly optimize any of these targets via a one line of code reward transformation. Everything else about your code, whether you use GRPO, PPO, REINFORCE can remain unchanged.

Arxiv: https://t.co/aOdAMI5J8S
Code: https://t.co/nDssyjRl5D

🥇🥈🥉OrderGrad is based on order-statistic estimation. Specifically, consider a batch of K sampled rewards and sort them:
R_(1:K) < R_(2:K) < … < R_(K:K)
Now apply weights a_i and take the expected value at each rank:
Sum_i a_i * E[R_(i:K)]

This allows flexibly defining different objectives that target different regions of the reward distribution. Notably, putting all of the weight on the top rank becomes Pass@K / Max@K, but our approach generalizes this to arbitrary ranks. You can target TopM@K, Medians, CVaR, Winsorized means, or any other weighting of your choosing.

The order-statistics connect back to the original distribution in the sense that the j-th order-statistic corresponds roughly to the j/(K+1) quantile of the reward distribution (see the right figure). As K becomes large, the order-statistics converge to the CDF, so essentially, putting weights on the order-statistics is equivalent to weighting different regions of the reward distribution.

Our main contribution is an unbiased gradient estimator for the weighted order-statistic objective when the batch size is N and the subset size for ranking K. Increasing K improves the CDF approximation, but also increases variance (a classical bias-variance tradeoff). We give an estimator in both REINFORCE policy gradient and in reparameterized backpropagation form. Computation time is negligible (<1ms).

I still want to improve the preprint, so comments and suggestions are very welcome. The code is available so please try it out! 🙏

Many thanks to my collaborators:
Paavo Parmas
Yongmin Kim
Kohsei Matsutani
Shota Takashiro
Soichiro Nishimori
Takeshi Kojima
Yusuke Iwasawa
Yutaka Matsuo

[S.KATO @s_kat0]

明日の午前に、昨年人工知能学会に支援いただいて開催したコンペティションであるLA-Bench 2025の報告があります！

[u++ @upura0]

9 日朝の #JSAI2026 で「KS-21 人工知能とコンペティション」を開催します！
https://t.co/WcRlVqjmXj
学会のコンペ開催支援制度で採択した「LA-Bench 2025: 実験手順生成AIコンペティション」の主催者や、「国際人工知能オリンピック」の入賞者らが登壇します。「JAPAN AI CUP」開催報告もあります。

[u++ @upura0]

9 日朝の #JSAI2026 で「KS-21 人工知能とコンペティション」を開催します！
https://t.co/WcRlVqjmXj
学会のコンペ開催支援制度で採択した「LA-Bench 2025: 実験手順生成AIコンペティション」の主催者や、「国際人工知能オリンピック」の入賞者らが登壇します。「JAPAN AI CUP」開催報告もあります。

[佐藤 竜馬 / Ryoma Sato @joisino_]

拙著『検索システム』が予約開始しました🎉

転置インデックスから LLM まで、検索システムのすべてが詰まっております！
検索のしくみを理解したい人から、RAG や LLM アプリの精度を高めたい人まで、幅広く役立つ内容になっています！ぜひお買い求めください！

Amazon: https://t.co/Y0fsgF47Pb

[mi141 @mi141]

MIRU2026の参加登録を開始しました。一般論文の投稿も受け付けていますので、みなさまぜひぜひよろしくお願いいたします！
https://t.co/dGaZAPZ2is

[S.KATO @s_kat0]

コロナ禍のときから会いたかった方と初オフ会。お会いできてよかった！
もう一人合流して、ホルモンをたらふく食べました🥩

[MITsuo Yoshida | 広告, PR @ceekz]

JSAI2026の口頭発表、15分しかないから、ちゃんと発表してちゃんとコメントもらうのは、準備が大変そう。

[S.KATO @s_kat0]

5. ワークフローとプロンプトの改善による物理モデル自動構築LLMの性能向上
物理モデル自動構築LLMの発表では、文献から情報抽出、変数・数式DB構築、モデル構築までを自動化します。プロンプトとワークフローの設計が性能を左右することを示しました。

[S.KATO @s_kat0]

今週の #JSAI2026 では、主著・共著で5件の発表があります。
1. Temporal Fusion Transformerによるデータ駆動型食後血糖値極値予測
2. LA-Bench 2025：実験指示から実行可能手順を生成するためのデータセット（主著、発表）

[S.KATO @s_kat0]

4. 単一光電脈波に基づくDepthwise Separable TCNによる感情認識
感情認識の発表では、単一チャネル光電脈波とウェーブレット特徴を使い、快・不快を推定します。Depthwise Separable TCNにより、既存手法より高い認識精度を示しました。