ZOZO研究所 ICLR2026における機械学習論文2本採択

機械学習分野トップ会議ICLR2026での論文採択

ZOZO NEXTの研究開発組織であるZOZO研究所は、機械学習分野で世界的に高い評価を受ける国際会議「ICLR 2026（International Conference on Learning Representations）」において、2本の論文が採択されたと発表した。ZOZO研究所の清水良太郎氏を含む研究グループによる成果で、ICLRは「NeurIPS」「ICML」と並ぶ分野のトップカンファレンスに位置づけられている。

DisTaC：現実的なAIモデル統合における課題と解決策

1本目の論文「DisTaC: Conditioning Task Vectors via Distillation for Robust Model Merging」では、複数AIモデルを追加学習せずに統合する「モデルマージ」技術が、現実的な運用環境下では性能低下を招く要因を明らかにした。特に、学習条件の異なるモデル間でパラメータノルムが乖離し、統合時に知識の打ち消し合いが起きること、また予測確信度の低いモデルが統合時に性能悪化を引き起こすことが指摘された。

新たに提案された「DisTaC」手法は、ラベルなしデータを用いた追加学習により、モデルマージに不適な要因を事前に除去。実験では画像や自然言語の分類タスクにおいて、従来法よりも統合後の性能低下が大きく抑制され、安定した成果が得られた。今後は、ファッションEC分野でのAIモデル開発への応用が想定されている。

AIの公平性向上を目指したタスクベクトル活用

2本目の論文「On Fairness of Task Arithmetic: The Role of Task Vectors」では、大規模言語モデル（LLM）活用時のAI判断の公平性に着目。LoRAなどの効率的な学習手法では、学習データや基準の偏りを十分に補正できない課題があった。

本研究では、モデルの重みの差分である「タスクベクトル」を用いた調整手法が、性能と公平性のバランス改善に有効であることを検証。文章・画像タスクを対象に、特定グループ間での判断偏りを抑制しつつ精度を維持できることを示した。一方で、調整方法次第では一部グループの公平性が損なわれる可能性も指摘され、設計上の注意点も明らかになった。

今後は、ファッションECにおけるAI実装への応用や、より大規模なモデル・複雑なタスクへの展開が展望されている。

日本企業発の機械学習技術が国際的に認められた事例

ZOZO研究所によるICLRトップカンファレンスでの採択は、日本企業発の機械学習技術が国際的に認められた事例となる。モデル統合の安定化やAI判断の公平性向上は、ファッションECをはじめとする業界でAI活用の実効性と信頼性を高める上で重要な基盤技術となる。今後、商用サービスへの展開や大規模AIモデル運用において、国内外の事業者にも広く影響を与える可能性がある。