大規模言語モデル（LLM）の社会実装においては、汎用的な言語能力を維持しつつ、特定のドメイン能力を特化させることが必須である。本研究では金融特化LLMの開発を目指し、日英16種類の金融コーパスから20億トークン超の学習データを構築し、継続事前学習を行った。その結果、日英の汎用的な言語能力を維持しつつ、金融に関する能力を最大13%向上させることに成功した。さらに、金融コーパスを使わずに追加で指示学習を実施しても、継続事前学習で獲得した金融知識が保持されることを確認した。加えて、コーパスの言語や性質が異なる18種類の学習データの配分を試し、汎用性能の維持と金融能力の向上に寄与する因子を調査した。

複数の大規模言語モデル（LLM）が協力して動作するマルチエージェントシステムでは，自然言語によって情報をやり取りする方式（Text to Text; T2T）が主流である．しかし，T2Tは自然言語の曖昧性や冗長性に由来する情報損失や処理負荷増大などが課題となっている．特に日本語タスクにおいては，英語データ中心に訓練されているモデルの性質と，日本語処理がトークナイザ性能の影響を受けやすいことから，T2Tの効率の悪さが予測されている．そこで本研究では，自然言語を介さないLLM間の情報伝達手法を検討し，LLMの推論精度と処理速度に与える影響を報告する．

本稿は、生成AIの日本語応答評価において、文法的自然さだけでは捉えられない語用論的適切性を対象化する。日本の大学に在籍する留学生と日本語母語話者学生の日常対話を対象に、話者関係、場面、発話意図、ポライトネス、含意、文化的摩擦、母語話者評定を統合する多層アノテーションスキーマを設計する。さらに、予備アノテーション例と品質管理方針によりタグ付与の単位と判断基準を示し、適切性判定、含意推定、応答選択、応答修復、摩擦箇所検出への変換可能性を検討する。本研究は「空気」を固定的な文化規範ではなく、文脈条件と評価分布に基づく記述対象として操作化し、対話型AI評価と異文化語用論研究を接続する基盤を提示する。

LLMの急速な発展と普及に伴い，LLMが悪意ある入力によって操作され機密情報漏洩などが生じるプロンプトインジェクション攻撃の脅威が高まっている．従来の防御は既存の攻撃手法に対するLLMの学習や解釈に基づいており，新規の攻撃手法に対しての脆弱性が指摘されている．そこで本稿では，LLMの内部表現の解析を通し，攻撃時にLLM内部で発生する，入力の権限が変化する現象に着目した検知手法を提案する．Transformer隠れ層における隠れ状態の解析により，システムプロンプトとユーザープロンプトは異なる部分空間を形成することが明らかになった．この部分空間を解析し，投影誤差に基づいた攻撃検知手法を提案する．

近年、大規模言語モデル（LLM）の性能向上に伴い、創造的な文章生成タスクへの活用が進んでいる。特に、ユーモアの感性が求められる大喜利においても、面白い回答を生成できるようになってきた。しかし、生成された回答の品質にはばらつきがあり、回答の面白さを定量的に評価する必要があるが、その手法は未だ確立していない。そこで、本研究ではLLMを用いた大喜利回答の面白さの定量評価手法について検討を行う。具体的には、感情評価や数値予測に関する既存研究の学習手法を応用するとともに、観点別に評価根拠を提示する手法を組み合わせ、その有効性および課題を検証した。

交渉対話の複雑さからAIサポートが求められる中、本論文は大規模言語モデル(LLM)をベースとした埋め込みモデルを用いたゼロショットソフトラベリング手法を提案し、交渉対話を対象としてその性能を評価するとともに、部分的な交渉対話から合意に至るかどうかを予測する交渉成否予測タスクで検証した。ソフトラベリングはルールベースのハードラベルに対して最大HIT@3スコア0.87を達成し、交渉の初期段階での成否予測に特に有効であった。複数データセットで学習したモデルは未知データでも高い汎化性能を示し、ソフトラベリングと汎用予測器の有効性が支持された。

近年、機械学習用コーパスの構築において大規模言語モデルの活用が注目されている。しかし、複雑なコーパスを対象とした場合、従来の合成データ生成手法では、論理的整合性の破綻や発言順序の固定化、生成データの多様性の欠如などの課題があった。本研究では、複数人による討論コーパスを対象とし、ペルソナの制御や段階的な検証を可能にするデータ生成手法を提案する。これにより、論理的整合性と発話の多様性を高い水準で両立したコーパスの生成が可能であることを確認した。さらに、提案手法によって生成された合成データの有効性を検証するため、応用タスクとして討論における参加者の役割推定モデルを構築し評価した。

近年、日本語教育の現場において「朗読」の教育的価値が再評価されており重要性が高まっている。朗読技能を段階的かつ客観的に評価するものとして「朗読検定」が存在する。毎年開催されている全国規模の大会「青空文庫朗読コンテスト」では、審査員による主観的評価によって行われている。専門的な知見に基づく評価は表現の機微を捉える上で不可欠である一方、多数の受検者を対象とした際の評価の一貫性や客観性の担保において課題が残る。また、朗読音声の自動評価に関する研究は、未だ十分に進んでいない。
そこで、本研究では文学作品における朗読音声の自動評価方式の検討を行う。具体的には、文学作品の朗読における専門的技能指標ごとの評価器を作成し、各評価器で定量化された出力結果を統合することで自動評価を行う方式を検討する。

従来の読唇技術は，発話映像から発話内容をテキストとして推定することが主流である．実利用を目指す場合，テキストだけでなく音声に変換できることが望ましい．しかし、テキストから音声を返還する場合，話者固有の声質や抑揚の再現が困難である．この課題に対し，発話映像から音声波形を直接生成するLip2Wavが提案されているが，視覚情報のみでは発話内容が曖昧となり，音声が不明瞭になりやすい．そこで本研究では，Lip2Wavにおいて，中間特徴量に発話内容の制約を付与するためにCE LossおよびCTC Lossを導入した視覚音声復元モデルを提案する．実験結果により，音声明瞭性および認識精度の向上を確認し，提案手法の有効性を示した．

本研究では，拡張現実において，実際には音源がなくても，そこに音源があるかのように感じさせる，実在感のある仮想音源の実現を目指している．従来の仮想音源生成法では，部屋の特性が考慮されていないことが多いため，音を聴取する部屋の中で測定した伝達特性から得られる残響成分を付加することによって室の特性を模擬する手法を検討している．この時，伝達特性の測定位置によって残響レベルは異なるため，適切な値に設定して付加する必要がある．そこで本報告では，測定した伝達特性を直接音・初期反射と残響成分に切り分け，異なる位置で測定した伝達特性の残響成分のレベルのみを変更して仮想音源を生成した．主観評価実験の結果，最適な残響レベルに設定することで，仮想音源と異なる位置の残響を識別しにくくなることが示された．

オペラ歌手は，明るい声では主に咽頭腔が縮小し，暗い声では咽頭腔が拡大することが知られている。また，明るい声では第1・2フォルマントは上昇し，暗い声ではこれらが下降する。これらの知見に基づき本研究では，声道断面積関数を用いて他のフォルマントを変動させずに，第1・2フォルマントを同時または個別に上昇・下降させるシミュレーションを行った。シミュレーションによって生成された音声を用いて印象評価実験を行い，どちらのフォルマントがより明るい声，暗い声に寄与しているかを検討したので報告する。

ディープフェイク音声は人の声を模倣して作られた合成音声であり, なりすましといった悪用の危険性がある. 生成技術の発達に伴い既存の検出方法では検出が難しくなっているため, より強固な検出方法が必要とされている.本研究では音声の位相スペクトログラムとCNNモデルを用いた検出方法を提案する. 位相スペクトログラムは複数の周波数帯域ごとに抽出することで, どの周波数帯域での位相情報が検出に有効であるかを示す. 圧縮コーデックで処理された音声データセットにおいて, 提案手法は特定の周波数帯域の位相情報を活用することで0.97の正解率を達成した.

日本語学習は世界各国で推奨されており、インドネシアやネパール、中国から介護系やサービス系の職に就くために、学習の場が求められている。本研究では、ビジネス日本語の側面からモダリティにおける音声の特徴について検証することを目的としている。方法としては、ゴリラ心理実験におけるタスク作成機能を活用し、日本語ボランティアインターンシップの生徒と遠隔指導の場面において、音声や文字や映像の認知を計測することを目的とする。単語と複合語、説明文においては音声の特徴に差が見られることが予測される。「雨」、「飴」、「雨傘」という複合語と同義語を取り上げることを通じて日本語学習者の音声の傾向を提示することを目的とする。加えて、「ーでございます」、「ーとおっしゃっています」といった敬語や謙譲語という上級日本語の難しい側面に焦点を当てることで、何に困難さを感じているのかについて報告したい。将来的には、教育支援システムの構築を目指している。

本研究では，2026年2月に実施された衆議院議員総選挙の選挙期間直前にあたる2026年1月13日から2月7日までの26日間に投稿されたYouTube政治関連動画2,713本を収集・構築したコーパスを用い，話者識別システムの性能評価を行った．

インターネットを経由した音声は、音声圧縮やパケットロスの影響により音質が劣化し、話者認識精度の低下が懸念される。本研究では、インターネット経由音声の認識精度の低下を抑制するため、HiFi-GANとMetricGAN+を用い、インターネット経由音声を登録音声のマイク収録音声に近づける音声変換手法を提案する。Microsoft Teams、Skype、Discord経由で再収録したインターネット経由音声を用いた評価実験の結果、HiFi-GANを用いた場合はインターネット経由音声と比較して話者照合性能の改善が確認された。一方、MetricGAN+を用いた場合は、インターネット経由音声と比較して大きな改善は確認されなかった。

音声クエリを用いた音声中の検索語検出において，深層学習モデルから算出した事後確率ベクトル系列同士を照合する方式は，高精度な検索が可能である一方，高次元の冗長な表現とも考えられ、ストレージやメモリの蓄積が課題となる．また，CTC等の識別的学習により，確率が特定のクラスに鋭く集中する性質に着眼し，本稿では二段階のデータ削減手法を提案する．第一に事後確率ベクトルからサブワードの順位情報と事後確率値に分離し，確率地に対してベクトル量子化を適用する．第二に，順位情報に基づき低確率成分を切り捨てる．これにより，検索精度を維持したメモリ使用量削減を実現する．

本論文は「異常音の背景音からの抽出」(以下前回の論文)として情報処理学会第88回全国大会のアクセシビリティにおいて発表取り下げをしたものをデータを再検証し新たな音響条件を追加してシステムの有効性を検証するものである。異常音は被験者は置かれたその都度の環境とその環境の破れによって生じるものであるため、その都度の環境音声情報の学習によって異常音を特定してそれを抽出するものでなくてはならない。適用する分野としては聴覚障害者のサポートが考えられる。前回の論文では、有効である場合とそうでない場合があることを発表者が十分認識できていないため取り下げとなった。今回これを再検証したい。

近年、大規模言語モデルの発展で対話の自然性は向上したが、一貫した立場や振る舞いの維持は依然として困難である。特に雑談で頻出する「好き嫌い」への質問は、関係構築に不可欠ながら、不適切な応答により対話が停滞する課題がある。福祉分野や対話ロボット、ゲーム内のノンプレイヤーキャラクターへの応用には、予測可能で安定した応答能力が不可欠である。そこで本研究では、Wikipediaを情報源とする既存システムを改良し、システム側に嗜好情報を付与することで、好き嫌いを問う質問に一貫して回答できる雑談型対話システムの構築を目的とする。特定の嗜好に沿った安定的な対話の実現を目指す。

学習者が目標に向けて持続的に努力することは容易ではなく，外部からの支援が重要となる．行動変容支援では，奨励・是認やアドバイスによるメッセージ介入が用いられているが，それらがモチベーションや行動継続性に与える影響については十分に分析されていない．本研究では，メッセージ設計を「奨励・是認型」「アドバイス型」「メッセージなし」の3種類に分類し，目標達成に向けた日記記述およびルーティンチェックを通じて，モチベーションと行動継続性への影響を分析した．その結果，アドバイス型メッセージは短期的な行動促進には有効である一方，継続的な行動を阻害する可能性が示された．

本研究では、オペレーターの仮説に基づいた「探り質問」と「普通質問」の傾向把握を目的とする。対話データから各質問文を抽出しラベル付けを行った後、S-BERTを用いてベクトル化を行う。これにより、両質問文における類似度の傾向を定量的に把握し、オペレーターが潜在的な顧客ニーズ等の仮説に基づいて投げかけている特徴的な質問文の抽出を試みる。

近年，認知行動療法をLLMで実施する研究が盛んに行われている．しかし，従来研究では英語のデータセットを用いてモデルの学習や評価が行われているため，既存カウンセラモデルが日本人クライアントに対して有効かは明らかではない．そこで本研究では，日本人のペルソナを与え，プロンプトチューニングによって日本人らしい振る舞いを行わせた日本人クライアントLLMを構築し，既存カウンセラモデルの性能を検証した．その結果，欧米人クライアントと比較して，日本人クライアントとの対話は早期に終了することが多く，各評価指標のスコアが低下した．そこで，早期終了を回避するために対話継続判定を導入し，各評価指標の改善を確認した．

本研究では，対話型チャットボットによる情報介入が参加者の意思決定に与える影響を明らかにすることを目的とする．
参加者に事前アンケートを実施して初期態度を測定した後，異なる情報介入条件のチャットボットとの対話を通じて意思決定課題を行い，介入後に再度同一課題を実施する．
評価では，介入前後における意思決定結果の変化率に加え，チャットボットへの信頼度に関するアンケートの統計的差異を分析する．

ユーザの指示に基づいて応答する大規模言語モデル（LLM）では，自己矛盾を含む指示文が入力された場合，ユーザの意図とは異なる応答を生成することがある．このような状況では，LLMは指示文中の自己矛盾を検出し，ユーザの意図を明確化した上で応答することが必要である．著者らの先行研究では，自己矛盾を含むユーザ発話の評価データセットを構築し，複数のLLMにおける自己矛盾検出性能を評価した．本稿では，プロンプト内に含まれる自己矛盾に対してユーザ意図を明確化するため，矛盾の有無を判断した上で明確化質問を生成する手法を提案する．また，提案手法により生成した明確化質問について人手評価を行い，有効性を分析する．

近年，大規模言語モデルの発展により機械翻訳の性能は向上している。しかし，SNSやVTuber配信で用いられる流行語やネットスラングは文化的背景への依存性が高く，直訳や不自然な翻訳が生じやすい。特に中日間では表現習慣やニュアンスの差が大きく，自然な翻訳は容易ではない。

本研究では，複数の生成AIを対象に，中日ネット流行語翻訳の特徴と問題点を比較分析する。SNSやVTuber配信で使用される流行語データを収集し，各LLMの翻訳結果について「自然性」「意味保持」「文化適応」の観点から人間評価を行う。これにより，大規模言語モデルの中日ネット文化理解の限界と可能性を明らかにする。

本研究では,論文や発表スライドを活用したLLMによる学会口頭発表の機械翻訳手法を提案する.従来の学会口頭発表の機械翻訳では,専門用語を含む発話を限られた文脈情報から翻訳するため,翻訳品質が低下するという課題がある.一方,学会口頭発表には対応する論文や発表スライドが存在する.そこで本研究では,LLMを用いて学会口頭発表を翻訳する際,翻訳対象文に加え,発表スライドや,対応する論文から抽出したテキストと図表を補助情報としてプロンプトに付与する手法を提案する.ACL60/60データセットを用いた評価実験の結果,補助情報を付与することで翻訳性能が向上し,提案手法の有効性を確認した.

外国人など日本語の読解能力が低い人にとっては公用文の意図をくみ取ることが難しい．そのため昨今ではテキストを平易化して「やさしい日本語」を提供する技術が研究されている．しかし従来の多くは平易文の難易度を考慮する機能を持たない．そこで単語の難易度を利用して指定した難易度に応じて「やさしい日本語」の難易度を制御可能なテキスト平易化モデルを構築する．学習データセットとしてやさしい日本語コーパスに対して日本語教育語彙表をもとに難易度ラベルを付与したものを利用する．提案モデルによる文生成実験を行い提案手法の有効性を確認した．

近年、推論能力を備えた大規模言語モデル（LLM）に関する研究開発が活発に進められている。本稿では、生成タスクの一つである機械翻訳を対象として、後編集データを活用した推論過程付き学習データにより、LLMベース機械翻訳器の翻訳精度向上を検討する。具体的には、人手で構築したニュースの後編集データに基づき、翻訳過程に対応する推論文をLLMにより合成し、これを学習データとして用いた。日英ニュース機械翻訳実験の結果、提案手法により翻訳精度の向上を確認した。

This research proposes a pipeline for transforming English math word problems into Japanese while considering cultural localization and grade-skill alignment in Japanese elementary education. The method extracts and localizes seed problem stories into culturally familiar Japanese contexts. Then, based on a grade-skill mapping derived from Japanese elementary mathematics curriculum, the pipeline generates new Japanese problems targeting specific mathematical skills. Generated problems are then validated in terms of mathematical correctness, grade consistency, language quality, and educational suitability using large language models. The goal is to support the automatic generation of educationally appropriate Japanese math word problems for future educational applications.

日本語では，文法的には誤りではないものの読みにくい語順を持った文や，助詞の誤用・欠落が生じた文が生成されることがある．そのため，適切な助詞で補完し，読みやすい語順で文を生成する技術はテキスト推敲支援や文生成において重要な技術となる．本稿では，構文情報を用いて，日本語文を構成する各文節に対して適切な助詞を補完し，それらの語順を読みやすく並べる手法を提案する．本手法では，係り受け関係が既知であることを前提として，同一文節に係る文節集合ごとに助詞補完と語順整序を実行し，１文全体をボトムアップに生成する．

本研究では，文中の名詞，動詞，修飾語から感情を取得可能な語を感覚知覚語とし，感覚知覚語を用いて感情を推定することで，入力文の発話者の感情（以降，話者感情）を出力するシステムを対象とし，その精度向上を図る．
既存システムでは，感情を判断するために，否定文の場合に出力感情を調整するという手法を取っていたが，文中に「ない」が含まれているがどうかにより，否定文の判断しているため，疑問文の場合に出力が意図していないものになるという課題がある．
本研究では，これらの課題を解決するため，接続詞，文末，疑問符に着目し，疑問文を判定することによりシステムの改良を行う．これにより，より自然な感情出力が可能となることを目的とする．

本研究では，日本語・英語・中国語レビューを対象に，多言語感情推定モデルの誤分類傾向と判断根拠を分析する。5段階評価の感情推定ラベルのうち評価2～4の中間ラベルにおいて分類が混同する点に着目し，混同行列とUMAPにより言語ごとの誤分類構造を比較する。さらに，SHAPを用いて予測に寄与した語句を抽出し，否定表現や逆接表現などが誤分類に与える影響を考察する。これにより，多言語感情推定における誤分類要因を明らかにし，モデル改善に向けた特徴設計の可能性を検討する。

本研究では、観光ドメインを対象としたアスペクトベース感情分析（ABSA）の精度向上に向け、多様な拡張アプローチがモデルに与える影響を段階的に検証・評価する。データ不均衡の是正、タスク特有のアテンション制御、およびドメイン知識の追加といった複数の最適化アプローチについて、単独および複合適用時の挙動を分析した。実験の結果、特定の手法の組み合わせにおいてアスペクト抽出率は向上するものの、感情判定精度との間にトレードオフが生じるなど、手法間の複雑な相互作用を確認した。本成果は、特定ドメインへの適応プロセスの最適化に向け、各手法の特性と課題を明らかにするものである。

テキストコミュニケーション支援のため，絵文字自動挿入に関する研究が行われている．既存手法は入力文のみを基に絵文字を挿入しているが，同一の文であっても，ユーザが意図する感情によって適切な絵文字は異なる．そこで本研究では，入力文に加えて感情情報を入力として与え，指定された感情に基づいて絵文字を挿入する手法を提案する．具体的には，BERTによる挿入位置推定とRNNによる絵文字系列生成に基づく既存モデルに対し，入力文に感情タグを付与することで，感情指定を可能にする．X上のデータを用いた実験の結果，提案手法は，感情指定を行わない従来手法と比較して，F1スコア及び指定感情との一致度で優れた性能を示した．

大規模言語モデルの内部表現を解釈・制御するメカニスティックな解釈可能性の観点から、本研究ではLLMの感情表現空間の構造解明と感情ステアリング手法の比較評価を行う。LLM自身に生成させた多様な感情強度の合成データから中間層の活性化を取得し、対照ペアによるベクトル加算、線形プローブによる線形ステアリング、MLPの勾配を用いた非線形ステアリングの3手法を検証する。また、複数のLLMの層ごとの表現精度や感情間の類似度を分析する。本発表では、内部表現の構造的特徴と、介入強度が文章の生成品質やモデル挙動に与える影響を報告する。

本研究では、アスペクトベース感情分析のための日本語データセットを人手で構築し、公開する。 日本語アスペクトベース感情分析の既存データセットは、ポジティブまたはネガティブの感情極性分類しか考慮されていない。 本研究では日本語感情分析コーパス WRIMEのテキスト中の単語に対して、5段階の感情極性ラベルおよび4段階の感情強度ラベルを人手で付与した。本データセットを用いた評価実験により、大規模言語モデルは高い性能を示す一方で，「信頼」の感情推定が困難であることを定量的に示した。 また、単語レベルと文レベルの情報を利用したマルチタスク学習により、推定が難しい主観的感情に対する性能改善が可能であることを示した。

本稿では，北海道議会の公式ウェブサイトで公開されているPDF形式の会議録を収集し、整理した結果について述べる。
本データセットは，議会審議の計量分析や自然言語処理研究の基盤資料として活用できる。

本研究は、地方自治体がウェブ上で公開している図表を含むPDF文書を対象として、解析困難な図表の検索を可能にすることを目的とする。
実験では、対象PDFをLLMを用いてMarkdown形式に変換したうえで、エンベディングによりベクトル化を行い、質問文と各ページのベクトル間のコサイン類似度を算出し、類似度の高いページを検索結果として出力した。
評価では、PDF文書内の特定ページを正解とする質問文を作成し、上位10件における検索精度を測定した。

現状のRAGシステムでは、意味的検索を中心とするため、概念間の構造的関係を十分に活用しにくいという課題がある。この課題に対し、GraphRAGは構造情報を活かした検索でこれを改善するが、意味と構造の乖離やコミュニティ境界をまたぐ文脈の欠落という限界がある。本研究はSOMグリッド上での近傍情報を用いてコミュニティを生成するSOM-RAGを提案する。意味ベクトルと構造ベクトルを統合しSOM上に配置し、重複カーネルごとに要約する。これにより、意味的に近いがグラフ上では離れたノード間について問うクエリや、GraphRAGでは分割されるような連続的トピックに対するクエリにおいて本手法の有効性が示された。

一般用医薬品（OTC）情報は添付文書や各種ガイドラインなど複数の情報源に分散しており，登録販売者などの継続的なアクセスが困難である．本研究では，openFDA OTC医薬品ラベルデータを知識ベースとし，5カテゴリ・3段階難易度による50問のGround Truthデータセットを独自構築し，RerankerとMulti-hop Reasoningの2つの改善手法を提案し，RAGAS比較分析および薬剤師による評価アンケート分析を実施した．提案手法では正答率で+8.0%の改善を達成した．一方，RAGAS評価と薬剤師評価の乖離が確認され，実務的有用性に対応した自動評価指標の開発が今後の課題として示された．

知識グラフを用いた大規模言語モデル（LLM）の検索拡張生成（RAG）は，自然言語による質問から適切なグラフスキーマを特定し，正しいグラフ検索クエリを生成する必要がある．特に，日本語の質問に対して，英語で定義されたノードラベルやリレーションを対応付ける必要があり，グラフ検索クエリの精度低下の要因となる．本研究では，日本語による質問に対する英語スキーマグラウンディングに着目し，知識グラフRAGにおけるグラフ検索クエリ生成精度の向上を確認した．

法令に基づく正誤判定では，根拠条文の不足が誤答や判断不能の要因となる．本研究では，取得済みの条文集合が判定に十分かをLLMで評価し，不十分な場合に不足観点を反映した検索クエリを生成して追加検索を行う，反復検索時のクエリ拡張戦略を提案する．COLIEE 2025の日本語民法データを用いた実験では，ベクトル検索の上位20件と比較して，LLMに提示する候補条文集合の再現率が向上した．また，検索クエリ，擬似条文，およびその組合せを比較し，クエリ拡張設計により検索性能，回答率，誤答率に差が生じることを確認した．

本研究では、テキスト記述と和音進行を条件として、読譜可能なジャズのメロディを自動生成するTransformerベースのモデルを提案する。従来のMIDI形式では表現が困難な記譜情報（正確なリズム構造や異名同音の区別など）を保持するため、MusicXML出力を採用し、ピッチと音価を独立予測する構造を取り入れた。さらに、音楽理論的特徴量を入力とする有効性をアブレーション実験により検証した。プロ奏者による原曲、既存モデル（MINGUS）、および提案手法（特徴量の有無）の計4条件を比較するブラインドアンケートを実施し、生成メロディの品質と汎化性能を評価した。

オーディオ装置による音響再生におけるスピーカセッティングや再生環境の調整のために先行研究で開発された三次元音響再生評価法は，1次アンビソニックを用いているため，空間分解能が不足していた．そこで本研究では，特異値分解による低ランク近似を用いて支配的な成分を抽出することで，音響再生状況の可視化における指向性パターンを明瞭化する方法を提案した．三次元音響再生評価法による解析結果で改善効果を評価した結果，音声強度分布の可視化結果の主方向成分がより鮮明になり，指向性パターンを明瞭化できることを確認した．

本研究では、学習者自身の楽器そのものの音色を保持したお手本演奏を自動生成することで、効率的なピアノ学習を支援するシステムを提案する。一般的なお手本演奏では、学習者が演奏する楽器との音色差が大きく、具体的な改善点が理解しづらいという課題があった。そこで本研究では、離散ウェーブレット変換を用いて、熟練者演奏と学習者演奏それぞれから、演奏表現を定量化するための三つの特徴量（オンセット・オフセット・ダイナミクス）を抽出し、学習者演奏に補正を加えることでお手本演奏を生成する手法を提案する。

器楽演奏におけるレッスンでは，指導者が学習者の学習状況や練習頻度に応じて演奏修正の基準や量の調整を行うが，その根拠は経験や勘に依存している．本稿では，この調整の定量化に向けた試みとして，認知アーキテクチャACT-Rを援用した読譜学習のシミュレーションを行う．対象は音価識別を学ぶ初学者とし，音価5種を組み合わせた知識チャンクを定義，難易度の異なる3曲を用いて自宅練習・発表・指導修正のサイクルをモデル化する．学習者特性を表す知識の揺らぎおよび練習頻度と，指導者行動を反映した修正閾値をパラメータとし，学習段階に応じた正答率を評価指標とする．評価指標間の関係を分析することで，指導修正に寄与する要因を示唆する．

手話母語話者への情報保障を目指して、日本語を手話に翻訳しCG (Computer Graphics)で提示する手話CGの研究を進めている。
日本語から手話への翻訳において、従来は入力に応じてテキスト翻訳モデルと音声翻訳モデルを個別に検討してきたが、事前収録コンテンツではテキストと音声の両方を入力として活用可能であり、これにより翻訳精度の向上が期待できる。
本研究では、テキスト・音声の両方を入力とするマルチモーダル手話翻訳モデルを試作し、モデル構造による翻訳精度の違いを評価した。その結果、デコーダ内でテキスト・音声の情報を統合する構造により、従来の単一モダリティ翻訳モデルを上回る翻訳精度が示された。

本研究では，学会発表の音声認識（ASR）において，予稿論文を活用したLLMによる認識誤り訂正手法を提案する．学会発表では，非ネイティブ話者による発表や専門用語が含まれるため，ASR精度が低下するという課題がある．これまで，発表スライドを利用してASRの誤りを修正する手法が提案されている．一方，予稿論文はスライドよりも包括的な情報を含んでいると考えられる．そこで本研究では，論文から抽出したテキストと図表をプロンプトに付与し，LLMを用いて学会発表の音声認識誤りを訂正する手法を提案する．ACL60/60データセットによる評価実験の結果，提案手法は従来手法を上回る訂正精度を示し，有効性を確認した．

教育現場におけるグループワーク会話から指導者に有用な知見を与えるには、議論の流れを把握できる可視化が重要である。本研究では、議論過程を木構造として可視化するため、各発話が直前3発話のいずれかに接続するか、あるいはどれにも接続しないか、の4値分類として宛先推定する。前報では、BERTによる分類器を用いて2発話の接続確率を推定しランキングを行う方法と、4発話の文ベクトルをLightGBMに入力して接続を推定する方法を報告した。今回の報告では、4発話を連結した上でTransformerに入力することで、接続先の宛先ラベルを推定するEnd-to-Endモデルを提案する。

本研究では、グループワークにおける個人参加度の定性的な自動評価を目的とし、進行役などの発話役割に基づく評価手法について検討している。これまでに、発話の機能的役割をSentence-BERTにより分類し、決定木を用いて評価プロセスを可視化する個別評価手法を構築した。実験によりAI生成の会話のテキストデータ上で90%程度の精度を確認した。本稿では、実際の音声データを対象とすることにより、雑談やノイズなどに対応しつつ、議論の雰囲気等を認識できるように拡張する。これにより、より多角的な個別評価が可能になる。

大規模言語モデルに基づく対話型AIの発展は近年目覚ましい．これらは特に，質問への回答生成においては優れた能力を示す一方，傾聴的なインタビューのように，相手の話を受け止めながら語りを引き出すことは未だ不得手である．本研究では，認知社会学的な観点に基づき，様々な概念に対する話者自身の社会的認知の在り方に着目した発話生成方策を提案する．特に，話者が物事をどのように分類し意味づけているかを推論し，その結果を木構造に類する内部状態として保持することで行動（相槌・確認・問いかけ）の選択ならびに発話生成を行う枠組みを構築する．本研究では，この枠組みに基づく傾聴型「聞き手AI」を試作した結果を報告する．

近年，小学校では新聞記事の読み比べによるメディアリテラシーの育成が重視されている．しかし，適切な記事ペアの選定は教員にとって負担が大きい．そこで本研究では，読み比べに適した記事ペアを推薦するシステムの構築を目的とする．我々の先行研究では，社説を対象とした事実・意見文判別モデルを構築した．本稿では，このモデルを一般記事に適用するため，一般記事に頻出する引用意見に着目し，事実・筆者意見・引用意見の3クラス分類へと拡張する．そして，社説のみ，一般のみ，それらの混合という3種類の学習データでモデルを構築し，性能を比較する．実験の結果，混合データで学習したモデルが全クラスにおいて最高のF1値を達成した．

本研究では，高等学校においてプログラミング初学者の学習障壁を下げるため，日本語プログラミング言語「なでしこ」に着目し，既存プログラミング言語と同様な学習支援として空欄補充問題生成の実現を目的とする．我々の先行研究では，大規模言語モデル（LLM）がなでしこ構文をプログラミング言語として認識できず，生成された空欄補充問題がなでしこの構文規則に即していない課題を確認した．そこで本稿では，LLMになでしこ構文を理解させるために，対象の問題に対して，問題文，問題文から生成した論理構造，問題文から生成したPythonコードに着目し，これらの類似性をもとにサンプルコードを選出・例示する手法について検討する．

大規模言語モデル（LLM）は数値推論能力を示す一方，「a bit」「a while」といった曖昧な時間表現の理解は十分に解明されていない．これらの表現は具体的な数値を持たないが，人間は出現する動詞に応じて秒から年に及ぶ異なる時間スケールを区別して解釈する．本研究は，LLMがこの文脈依存的な時間スケールの解釈を内部に獲得しているかを検証する．ペア比較による行動分析，順序回帰プロービングによる内部表現の解析，層別の文脈統合過程の同定という三つの実験を通じて，曖昧な時間表現が明示的な数値表現とどのように関係づけられ，どの層で文脈情報が統合されるかを明らかにする．

複数人議論を円滑に進めるには，ファシリテーターの適切な介入タイミングの把握が重要である．本研究では，その介入タイミングを予測するため，取りまとめ発話の出現予測手法を提案する．提案手法では，予測時刻直前の発話列をLLMに入力し，その後に続くと考えられる未来の発話を生成する．そして，生成された発話列に対して取りまとめ発話の有無を判定する．このように，介入タイミングの予測を，未来発話の生成と取りまとめ発話の検出の2つの処理に分割することで，予測タスクの難易度低減を図る．評価実験では，複数人議論コーパスを用いて，過去発話からLLMに直接予測させる手法および先行研究のSVMベース手法と比較し，提案手法の有効性を検証する．

本研究では，SNS上のジェンダー差別を対象に，事前学習済み言語モデルの出力ベクトルからクラスごとの特徴表現を学習する検出モデルを提案する．ジェンダー差別は暗黙的な表現として現れることも多く，検出が困難である．そこで，差別・非差別の各クラスに対応した独立の線形層であるクラス固有層を導入し，言語モデルの出力ベクトルをクラスごとの特徴空間へ写像する．さらに，各クラスへ写像したベクトルを結合し，最終的な検出に用いる．また，言語モデルとクラス固有層を段階的に学習することで，出力ベクトルの生成と各クラスの特徴空間への写像を分離して学習する．実験を通して，クラス固有層および段階的学習の有効性を検証する．

近年、薬剤師業務の負担軽減を目的として対話システムの活用が期待される一方、初期の発話のみでは候補薬が数多く、適切な絞り込みが困難となる。本研究では、医薬品添付文書データベースと対話型推論を組み合わせ、ユーザー症状に応じて候補薬を段階的に絞り込む医薬品推薦手法を提案する。具体的には、効能・効果に基づくベクトル検索で候補薬を抽出した後、症状と薬剤の対応関係を用いて複数の質問候補を生成し、期待エントロピーに基づいて情報利得の高い質問を選択する。さらに、ユーザー応答に応じて候補薬の確率分布を逐次更新することで、対話を通じた効率的な探索を実現する。実験では、期待エントロピーを用いる戦略と用いない戦略を比較し、提案手法における質問選択の有効性を検証した。その結果、期待エントロピーに基づく質問選択は、候補絞り込みの効率化と推薦精度の向上に寄与することが示した。

大規模言語モデルでは、「A is B」を学習しても「B is A」を推論できない Reversal Curse が知られている。
本研究では、その要因として causal attention による一方向的な知識表現に着目する。
まず、小規模 decoder-only Transformer により Reversal Curse を再現した。
次に、双方向 attention と Masked Next Token
Prediction（MNTP）を用いた学習を導入した結果、逆方向推論性能の改善を確認した。
さらに、causal attention により事前学習したモデルに対し、双方向 attention を用いた知識学習を適用した場合にも改善傾向が確認された。

広告コピーライティングでは、訴求内容を整理した what-to-say を作成し、それを効果的に伝える表現である how-to-say（キャッチコピー）へと展開する。how-to-say の作成には高度な言語的創造性が求められるため、what-to-say から how-to-say 候補を自動生成するモデルを構築することで、業務の効率化が期待される。一方で、生成候補の品質評価には専門的判断が必要であり、モデルの比較を効率化するための自動評価手法の整備が課題となる。本研究では how-to-say の品質を評価する LLM-as-a-Judge フレームワークを構築し、その妥当性を検証する。

This study explores a few-shot framework for writing style imitation using large language models. Given a small set of author samples, we first construct linguistically and persona-informed prompts to guide an LLM in rewriting source texts toward the target author’s style. To ensure the quality of generated imitations, traditional authorship verification models, including BERT, RoBERTa, and T5, are employed to evaluate whether the rewritten texts are likely to match the target author. High-confidence positive samples are then selected as augmented training data for LoRA-based fine-tuning. The resulting model aims to produce more stable and author-consistent imitations under limited-data conditions.

大規模言語モデル（LLM）は，発想支援や世論調査のシミュレーション，マーケティングなど，多様な応答が求められる分野での活用が期待されている．しかしLLMは，出力が特定の表現や発想に集中しやすいことが指摘されている．本研究では，連想課題を用いて，ペルソナプロンプト設計が出力多様性に与える影響を評価する．具体的には，Big Five理論に基づく複数条件の下で連想語を生成し，人間の連想データと比較する．評価には条件付きエントロピーとPrecision・Recallを用い，多様性と一致度の両面から検討する．これにより，多様な応答生成に向けたプロンプト設計に関する基礎的知見の獲得を目指す．

子どもの言語獲得では，誤用や揺れが発達段階や入力条件に応じて現れる．乳幼児期に近い条件で言語モデルの文法獲得過程を観察するには，子どもの入力と発達特有の用法を反映した評価基盤が必要である．本研究では，乳幼児期の親子会話を転記した日本語CHILDESコーパスの12サブコーパス（約67万発話）を対象に，大人が子どもに向けた発話と子どもの発話の分布を整理する．次に，英語の正誤文ペアの日本語訳を通じて，文法的対立が日本語で保持されるかを検証する．さらに，関連研究の動向から，評価で扱う文法項目と誤用の範囲を整理する．これらを通じて，日本語における発達的文法評価基盤の構築に向けた要件を明らかにする．

本研究では，系列変換ベンチマークであるSCANタスクを対象に、各層の活性値から相互情報量を推定しTransformer内部表現の解析を行った。入力情報として系列長および構文構造に基づく複数のクラス定義を導入し、情報保持の違いを比較した。その結果、系列長よりも構文構造を用いた場合に高い相互情報量が観測され、Transformerが出力生成規則に関する情報を強く保持している可能性が示された。

医療テキストの二次利用では，下流タスクに必要な疾患情報を保持しつつ，患者属性情報の残存を必要に応じて抑制することが求められる．既存研究では，医療テキストをエンティティ系列へ変換して再生成する手法が提案されている．しかし，一般化する表現粒度に応じて，疾患分類に必要な情報と患者属性の推定に利用可能な情報がどの程度同時に保持されるかは十分に整理されていない．本研究では，MIMIC-III退院サマリを対象に，原文に近い表現から医療情報を一般化した表現まで複数の表現粒度を設定し，疾患分類性能と患者属性推定性能を比較する．これにより，表現粒度が疾患情報の保持と患者属性情報の残存に与える影響を分析する．

本研究は，自然言語からGraphQLクエリを生成する手法の評価を目的として，抽象構文木比較に基づく新たな評価指標と自動評価システムを提案する。従来用いられる文字列完全一致や実行結果一致は0か1の二値の判定となりやすく，生成クエリの欠落や過剰生成といった部分的誤りの程度や種類を捉えにくい。提案手法ではGraphQLクエリをASTに変換し，フィールドの階層パスの一致度から適合率・再現率・F1を算出することで，欠落と過剰生成を評価できる。さらに，SQL分野でベンチマークとして用いられているSpiderを基に自然言語・SQL・GraphQLの対応データセットを整備し，評価ツールとして公開可能な形で実装した。実験では，誤り注入による検証を通じて，文字列完全一致や実行結果一致では同等に不正解となる場合でも抽象構文木比較が部分的正しさを評価できることを示した。

語呂合わせは数字や語句の読みを別の表現に対応させて記憶を助ける方法であり、電話番号やパスワード想起のヒントなど実社会でも用いられる。従来の語呂合わせを生成する研究では、数字や文字に対応する一般的な読み候補をN-gramを用いてフレーズを構成作成する手法や、辞書登録した部分パターンをルールを用いて結合する手法が中心であるため、日本語としての自然さや元の数字の想起し易さに限界があった。そこで、本研究では数字語呂合わせを対象とし、大規模言語モデルと強化学習を組み合わせることにより、日本語として自然な語呂合わせの生成を目指す。

文書からスライドを自動生成する研究は進んでいるが、規制文書を対象とした検討は限られている。規制文書からのスライド生成では、スライドとしての読みやすさに加え、生成内容の原文書への忠実性と、規制資料として含めるべき情報の網羅性が重要となる。本研究では、日本語規制文書からのスライド自動生成を対象とし、既存手法を規制文書向けに拡張したDocPres-Regを提案する。実験では15件の規制文書を対象とし、短い概要資料と詳しい説明資料を作成する場面で、既存手法、商用ツール、提案手法を比較した。その結果、商用ツールは読みやすさで高い評価を得た一方、詳しい説明資料では、提案手法が網羅性で商用ツールを一部上回る傾向を示した。

近代書籍（明治〜昭和初期）のOCR誤字修正において，大規模言語モデル（LLM）と既存BERT系手法との性能比較を行った．追試により既存手法を再現したうえでLLMと比較した結果，ドメイン特化事前学習の優位性が確認された．あわせて，LLMの性能差の要因についても考察する．

CT検査の結果をまとめる読影レポートの所見文は放射線科医ごとに書き方が異なる。また、読影レポートの診断文には専門用語が多用されており、患者自身の病状理解を妨げている。本研究では、大規模言語モデルを用いて所見文を二次利用できる形式へ変換する構造化、および診断文中の専門用語に対して説明を加える簡易化を行う手法を提案する。具体的には、放射線科医から高い評価を得た生成文をIn-Context Learningの例示としてプロンプトに組み込むことで、出力の質を向上させる手法である。放射線科医と非専門の学生の主観評価により、提案手法は構造化および簡易化を高い精度で行えることを示した。

AIエージェントによる業務支援の動きが活発化している。業務支援の高度化や自動化において，AIエージェントと外部ツールとの連携を統一的に扱うModel Context Protocol (MCP)が注目されている。従来のMCPクライアントは起動時点にMCPサーバが稼働していることを前提としており，ユーザ毎に異なる設定を持つMCPサーバを動的に生成する運用は困難であった。本報告では，MCPのシーケンスを解析し，リクエストヘッダのユーザ情報に基づいて専用のMCPサーバコンテナをオンデマンドで生成・削除するマルチユーザ対応MCPサーバ管理技術について報告する。

本研究では、顧客の嗜好に応じた料理説明文を生成する軽量AIモデルの構築に取り組む。これまでの研究では、料理レビューや調理情報を分析し、レビューの観点によって生成AIが注目する食材、味付け、調理法などの要素が変化することを確認した。現在はこの知見をもとに、顧客が重視する情報を出力に反映できるモデル構造を検討している。具体的には、単に大規模な生成AIモデルを用いるのではなく、限られた計算環境でも実用可能となるよう、軽量化手法を組み合わせた構造設計を行う。これにより、個人飲食店でも継続的に活用でき、顧客ごとの嗜好や文脈に応じた情報提示を可能にする料理説明生成AIの実現を目指す。

大規模言語モデル（LLM）は高い自然言語理解能力を有する一方，組合せ最適化問題ではハルシネーションや論理的整合性の破綻が課題となる．本研究では，グループ編成問題を対象に，LLMと制約充足問題（CSP）ソルバーを統合した対話型システムGPIL（Group Partitioning based on Interactive LLMs）を提案する．GPILは，自然言語による曖昧な要望を対話的に構造化・分類し，数理モデルへ変換して最適解を探索する．比較実験では，ChatGPTが破綻した200名規模タスクにおいて，GPILは実行成功率100%，ハード制約違反数0を達成し，高い信頼性を示した．

本研究は，マイ広報紙に掲載された子育てに関する広報内容が，子育て中の母親にどの程度認知され，満足度に影響を与えているのかを明らかにすることを目的とする。
具体的には，マイ広報紙サイトから収集した「子育て」に関する記事と，子育て支援SNS「ママリ」のデータを活用し，関連するテキスト分析を行う。
調査では，自治体による広報内容と住民側の政策認知度・満足度との関係を検証し，広報のあり方が住民意識に与える効果を測定する。

本研究では，GAN-BERTを用いた分類問題において，疑似ラベルを導入することで分類性能の向上を目指す。GAN-BERTは，BERTを識別器として用い，生成器との敵対的学習によってラベル無しデータを活用した半教師あり学習モデルである。本研究では，GAN-BERTがラベル無しデータに対して出力した分類結果のうち，分類に対する信頼度が一定の閾値以上のデータを疑似ラベルとして追加学習に利用する。さらに，疑似ラベルを採用する際の閾値を変化させ，分類性能への影響を検証する。実験では，従来のGAN-BERTと提案手法を比較し，有効性を評価する。

本研究では，農業の分野を対象に，データ分析に関する専門知識がなくても自然言語による対話を通してデータの活用を実現する対話システムを提案する．この対話システムは，ユーザの質問に応じて気温や土壌水分量などのデータを提供する機能や，平均値などの統計量を算出た上で提供する機能を持つ．さらに予測が求められる質問に対しては特徴量選択や学習および精度評価を実行し，予測モデルを動的に構築する．これによりユーザは，データに基づく多様な情報を活用した意思決定が可能となる．開発した対話型システムを用いた評価を通して，提案手法の有効性が確認された．