2025年5月8日 – arXiv最新論文の紹介

The Rise of Small Language Models in Healthcare: A Comprehensive Survey [8.6]
小型言語モデル(SLM)は、次世代医療情報学にスケーラブルで臨床的に実行可能なソリューションを提供する。包括的調査では、医療従事者に対して分類・分類するための分類学的枠組みを提示する。本研究は,医療におけるSLMの変容可能性を明らかにするために,広く研究されているNLPタスクを対象とした実験結果のまとめである。
論文参考訳（メタデータ） (Wed, 23 Apr 2025 22:02:25 GMT)
ヘルスケアにおけるSLMのサーベイ。
リポジトリはGitHub – drmuskangarg/SLMs-in-healthcare: Unlike vanilla contextual pre-trained fundamentally \textit{small} language models (e.g., ClinicalBERT), our interest lies in compressed and optimized approaches for language models in healthcare, developed as a resource-efficient and domain-specialized solution to LLMs.で、かなり多くのモデルが構築されていることが分かる。

Mem0: Building Production-Ready AI Agents with Scalable Long-Term Memory [0.6]
大規模言語モデル(LLM)は、文脈的に一貫性のある応答を生成する際、顕著な進歩を示した。しかし、それらの固定されたコンテキストウィンドウは、長時間のマルチセッション対話に対する一貫性を維持するための根本的な課題を生じさせる。私たちはMem0というスケーラブルなメモリ中心アーキテクチャを導入し、進行中の会話から健全な情報を動的に抽出し、統合し、取得することでこの問題に対処します。
論文参考訳（メタデータ） (Mon, 28 Apr 2025 01:46:35 GMT)
「(1) Mem0 implements a novel paradigm that extracts, evaluates, and manages salient information from conversations through dedicated modules for memory extraction and updation. The system processes a pair of messages between either two user participants or a user and an assistant. (2) Mem0 extends this foundation by incorporating graph-based memory representations, where memories are stored as directed labeled graphs with entities as nodes and relationships as edges.」というグラフ構造を活用しつつ”記憶”を管理するLLM用メモリアーキテクチャの提案。
プロジェクトサイトはScalable Long-Term Memory for Production AI Agents | Mem0