Kei Hiroshima

機械学習と最適化，および両者の融合に興味があります．博士後期課程では，次の2つのテーマに取り組んでいます．

1つ目は継続学習です．実世界で運用される機械学習モデルには，新しいタスクやデータへの継続的な適応が求められます．しかし，新しいタスクを学習させると，過去に獲得した能力が失われる「破滅的忘却」が生じやすくなります．これを避けるために一から再学習すると，大きなコストがかかります．私は，新しい知識の獲得と既存の知識の保持をいかに両立するかという問題に，モデルマージを手段として取り組んでいます．

2つ目は，LLMによるブラックボックス最適化（BBO）の自動化です．BBOはハイパーパラメータ最適化や実験計画など，幅広い分野で現れる問題です．一方で，実問題に適用するには探索空間の設計と最適化器の選択が必要であり，これらを適切に行うには専門知識が求められます．私は，問題を説明する自然言語記述のみから，LLMがこれらの設計選択を行うタスク（Black-Box Optimization Word Problems; BBOWP）を定式化し，LLMの能力を評価するベンチマークを構築しています．

2028年3月に修了予定で，機械学習・最適化分野の研究職を志望しています．

機械学習，最適化，大規模言語モデル
継続学習，破滅的忘却，モデルマージ
ブラックボックス最適化，探索空間設計，最適化器選択

ニュース

25 9月 2026	論文 “BBOWP-Bench: Evaluating LLMs on Black-Box Optimization Word Problems” が NeurIPS 2026 の Evaluation and Datasets Track に採択されました。自然言語の問題説明文から探索空間と最適化アルゴリズムの両方を推定する新たなタスク BBOWP を提案し，LLMを評価するためのベンチマーク BBOWP-Bench を構築しました。[Paper] [Code]
11 9月 2026	FAN2026（第34回インテリジェント・システム・シンポジウム）にて，論文「Black-Box Optimization Word Problems における大規模言語モデルの評価」を山田さんが発表し，最優秀論文賞を受賞しました。[Paper] [Code]
18 4月 2026	論文 “Tunable MAGMAX: Preference-Aware Model Merging for Continual Learning” が第28回国際パターン認識会議 (ICPR 2026)（フランス・リヨン，2026年8月17日〜22日）に採択されました。

02 6月 2026	ポートフォリオを開設しました

主要論文

ICPR

Tunable MAGMAX: Preference-Aware Model Merging for Continual Learning

K. Hiroshima, K. Uchida, および S. Shirakawa

In Proceedings of the International Conference on Pattern Recognition (ICPR)to appear , 2026

Bib

@inproceedings{hiroshima2026tunable,
  title = {Tunable {MAGMAX}: Preference-Aware Model Merging for Continual Learning},
  author = {Hiroshima, K. and Uchida, K. and Shirakawa, S.},
  booktitle = {Proceedings of the International Conference on Pattern Recognition (ICPR)},
  address = {Lyon, France},
  year = {2026},
}

NeurIPS

BBOWP-Bench: Evaluating LLMs on Black-Box Optimization Word Problems

Y. Yamada, K. Hiroshima, N. Yoshinari, and 2 more authors

In Advances in Neural Information Processing Systems (NeurIPS), Evaluation and Datasets Trackto appear , 2026

arXiv Bib Code

@inproceedings{yamada2026bbowp,
  title = {{BBOWP-Bench}: Evaluating {LLMs} on Black-Box Optimization Word Problems},
  author = {Yamada, Y. and Hiroshima, K. and Yoshinari, N. and Uchida, K. and Shirakawa, S.},
  booktitle = {Advances in Neural Information Processing Systems (NeurIPS), Evaluation and Datasets Track},
  address = {Sydney, Australia},
  year = {2026},
}

ニュース

最新の投稿

主要論文