NeurIPS 2026論文：長い推論の迷い道を構造で案内——12評価・7モデル群で既存法を上回るSAGE

結論から言うと、長い手順を必要とする推論でAIが途中の「それらしい道」に迷い込む問題を、問題の構造そのものを案内図にして減らす研究が出た。NeurIPS 2026採択論文「SAGE」で、著者らが2026年9月24日にarXivへ公開した。

研究チームは、正解の手掛かりが最後にしか得られにくい長期推論には、近くでは正しそうでも先で破綻する枝を選ぶ「探索の偏り」と、小さなずれが手順の深さとともに積み重なる「累積の偏り」があると整理した。提案法SAGEは二つの仕組みを組み合わせる。一つは候補を演算子ごとの代数的な空間へ絞り、不要な枝を減らす方法。

もう一つは推論状態を双曲空間に配置し、途中の深さごとに学習の合図を与える方法だ。論文では12のベンチマークと7つのモデル群で競合手法を上回り、特に未解決の長期推論課題Andrews–Curtis問題で最大8倍の改善を報告した。複雑な数学、計画、調査で途中から筋が崩れるAIを改善する考え方として役立つ。ただし、最大8倍は特定課題での結果で、日常の全質問が8倍良くなる意味ではない。

実サービスでの速度や費用も別に確認が必要だ。出典はarXivの論文ページで、会場はNeurIPS 2026と明記されている。