教師ありファインチューニング
初期実験量子化した Qwen ベースモデル上の LoRA アダプターは、情報を求め、ツールを呼び出し、実行可能な行動を比較し、根拠のある結論を導くという、検証済みの実演から学習します。ユーザーの入力内容とツールの観測結果は文脈として扱い、モデルに生成させる出力の正解としては扱いません。
Qelly を支える研究
根拠に基づき、判断を支える知性。
私たちは、答えを再計算できる財務意思決定システムを構築しています。すべての計画を対象とする厳密探索、根拠についての範囲を限定した判定、そして古典、量子インスパイアード、量子の各ソルバーを対象とするオープンなベンチマークです。
研究の考え方を読む
提案候補財務面の検証実行可能な選択肢
私たちの考え方
より良い答えは、より良い意思決定から始まる。
財務上の意思決定を支えるシステムは、検討したすべての計画を示し、推奨する計画の正しさを証明し、どの事実によって結論が変わりうるかを明示すべきです。
私たちは、3つの役割を分離しています。範囲を限定したモデルが、根拠を型付きの判定として読み取ります。厳密探索が、行動の選択肢を調べ尽くします。決定論的なコードが、計算を行い、すべての推奨を再計算します。言語モデルの役割は説明であり、数値を与えることはありません。
適格なデータのみで学習した Qwen ベースの特化コンポーネントを、未調整のモデルおよび汎用モデルと、固定した事例群で比較します。各提案は、検証・計算・説明が可能な行動に落とし込めなければなりません。流暢な回答それ自体が、実行可能性を裏づけるわけではありません。
プロダクトの例を見る根拠から、レビュー可能な意思決定へ。
システムの各要素には、明確な役割があります。
-
1
状態を根拠で裏づける
文書、口座データ、タイムスタンプを、出所と重要な欠落情報を伴う構造化された財務事実に変換します。
-
2
厳密に探索する
型付けされた行動のあらゆる組み合わせを、同一の厳密なモデルで網羅します。各ストレスシナリオのもとで、実行可能な計画が何通りあるか、どれが最も安いか、そして実行可能な計画に何が共通するかがわかります。
-
3
計算し、検証する
独立したツールが資金繰りの結果を計算し、根拠、権限、支払義務、ハード制約を確認します。
-
4
説明し、レビューする
意思決定ブリーフは、人によるレビューのために選択肢と不確実性を保持します。採用された事例は、学習の改善に活用できます。
厳密な意思決定探索
実行可能な計画をすべて数え上げ、最良の計画を証明する。
流動性に関する意思決定は、時間に沿った一本の鎖です。ある週と次の週のあいだで重要なのは、期末現金残高と、どの意思決定が未確定のままかだけです。そのため、計画の空間全体は1次元のテンソルネットワークになります。週ごとに1つのテンソルがあり、この状態を運ぶボンドで結ばれています。
この鎖を通常の演算で縮約すると、準備金を一度も下回らない計画をすべて数え上げられます。同じネットワークを min-plus 演算で縮約すると、最も安い計画が得られます。要素の型を変えれば、最適な計画の数、コストの完全なスペクトル、そして各選択肢を使う実行可能な計画の割合が得られます。
これはテンソルネットワークの言葉で記述した動的計画法であり、私たちはそのことを率直に明言します。この言葉を使う理由は3つあります。1つのモデルが、問いごとに固有の縮約を用いて多くの問いに答えられること。ボンド次元が、この厳密な手法が運ばなければならない状態の量、すなわちこの手法にとってインスタンスを高コストにする要因を測る尺度になること。そして、同じインスタンスを、アニーリングマシンやゲート方式のサンプラーが受け付ける QUBO 形式や Ising 形式にエクスポートできることです。
| 問い | 縮約に用いる演算 |
|---|---|
| 実行可能な計画は何通りあるか。 | 通常の演算：加算と乗算 |
| 最も安い計画はどれか。 | トロピカル（min-plus）演算：最小値と加算 |
| 最適な計画は何通りあるか。 | 多重度つきのトロピカル演算 |
| コストはどのように分布しているか。 | コストを変数とする多項式 |
| 実行可能な計画に共通するものは何か。 | 選択肢を1つ固定して再度数え上げ |
手法の系譜： Liu, Wang & Zhang, PRL 2021 · Liu et al., SIAM J. Sci. Comput. 2023 · Crosswhite & Bacon, PRA 2008 · Markov & Shi, SIAM J. Comput. 2008
構造が許すかぎり厳密に。限界については率直に。
ノートパソコン1台で測定 · 2026年9月22日 · 合成インスタンス
-
20 / 20
厳密であり、独立に確認済み
20個のインスタンス（最大のものは考えられる計画が5億4,400万通り）で、縮約による最適値は独立した MILP ソルバー（HiGHS）の結果と一致し、さらに別系統の再計算で実行可能性とコストを確認しています。そのうち16個では HiGHS のほうが高速でした。求解時間の中央値は、HiGHS が3.8ミリ秒、縮約が88ミリ秒です。
-
338,803
厳密な縮約の限界
縮約が週と週のあいだで運ぶ状態数の中央値は、1社では10でしたが、資金移動と共有の融資枠を通じて2、3、4つの事業体を結合すると、それぞれ330、30,186、338,803に増えました。最適解に到達するまでの時間の中央値は0.09ミリ秒から14.6秒に増えましたが、HiGHS の中央値は10ミリ秒未満にとどまりました。現金で支払う手数料は、多数の異なる現金状態を生み出します。これらはこの手法とこれらのインスタンスの性質であり、すべての厳密ソルバーに当てはまる限界ではありません。
-
1 / 10
ペナルティによるエンコーディングは現実の障壁
標準的なスラック変数方式の QUBO に対するソフトウェア上のシミュレーテッドアニーリングは、10個のインスタンスのうち、最適解を見つけたのが1個、実行可能な計画を見つけたのが4個でした。一方、単純な貪欲法による修復ルールでは、8個で最適解が得られました。二値変数の数は中央値で126個、係数はほぼ12桁にわたるため、ハードウェア以前に、まずエンコーディングそのものが障壁になります。ペナルティの重みは既定値のままです。
-
MILP
最適解では古典的ベースラインが優位
HiGHS は、すべてのインスタンスで20ミリ秒以内に最適解に到達しました。この縮約が加えるのは、厳密な個数、割合、そしてコストのスペクトルですが、その代償は、結合が強まるにつれて急激に大きくなります。難しいインスタンスや新しいハードウェアが意味を持ちはじめるのは、数え上げとサンプリングの領域です。
Apple シリコン搭載のノートパソコン上で、固定シードから生成した合成インスタンスに対し、すべての手数料を現金で支払う条件のもと、Python で1回実行した結果です。量子ハードウェアは使用していません。古典的手法に対する優位性を主張するものではありません。
Qelly Bench v0 · 研究プレビュー
お好きなソルバーをお持ち込みください。答えは私たちが検証します。
各インスタンスは JSON で提供され、厳密な最適値、実行可能な計画と最適な計画の数、ボンド次元に加えて、そのまま使えるエクスポートを同梱しています。不均衡ペナルティ（unbalanced penalization）方式の QUBO（400変数以下の場合はスラック変数方式の QUBO も）、Ising 形式、そして MILP ソルバーや CQM ソルバーがそのまま読み込める LP ファイルです。単一ファイルの検証ツールは、アニーリングマシン、ゲート方式のサンプラー、量子インスパイアード手法、古典ソルバーのいずれから得られた計画でも再計算し、ハッシュで紐づけた証明書を発行します。
量子最適化の文献自体が、正解つきのベンチマークが不足している分野として金融を挙げています。現在、私たちのインスタンスは合成データです。今後はデザインパートナーとともに、許可を得たうえで、識別可能なデータを含めずに、実際の意思決定からインスタンスを作成していきます。
スイートの内容
- ホームページの意思決定例と、生成した7つのインスタンス（計画数は864通りから約5億4,400万通り）
- 単一事業体の鎖と、2〜4事業体を結合したグループ
- 各インスタンスの厳密な最適値、実行可能な計画の数、最適な計画の数、ボンド次元
- QUBO および Ising 形式のファイル、MILP・CQM ソルバー向けの LP ファイル、外部依存のない Python 製の検証ツール
生成した7つのケースでは、実行可能なすべての計画が投資を延期します。ホームページのケースには発注を実行できる計画があります。これらはソルバー開発用のテストケースであり、事業上の意思決定を代表するサンプルではありません。
研究およびベンチマーク用途で提供しています。ライセンス条件は策定中です。バンドルの再配布や、これを基にした製品の開発を行う前に、お問い合わせください。 バンドルの利用条件
証明書を送るハードウェアチームおよびアルゴリズム研究グループの皆さまへ：アニーリングマシン、ゲート方式のデバイス、または独自のソルバーでこのスイートを実行し、証明書をお送りください。検証済みの結果は、許可をいただいたうえで公開します。
根拠についての、範囲を限定した判定
メッセージは予測を動かすことがある。しかし、予測を書き換えられてはならない。
私たちは、型付きの判定を返す高速なモデル群を評価しています。返すのは、はい・いいえの確率、提示された選択肢からの1つの選択、または評価基準（ルーブリック）上の位置づけです。自由記述のテキストを返すことはありません。1回の呼び出しで、顧客からのメッセージについて多数の小さな問いを尋ねます。この請求書に関するものか、支払日は明記されているか、支払いに条件は付いているか、システムに向けた指示が含まれているか、といった問いです。
私たちのプロトタイプでは、コードが日付の候補を抽出し、日付計算もすべてコードが行います。判定にできるのは、1つの事実に対する変更案を下書きすることだけです。何らかの出来事を条件とする支払いや、あいまいに記載された日付は未確認のまま扱い、厳密探索を再実行する前に、すべての下書きを人がレビューします。
これまでの開発テストでは、英語、スペイン語、日本語で独自に作成した36件の合成メッセージを使用しています。精度について何らかの主張を行うのは、独立したアノテーションを経てからです。
パイロット · 精度に関する主張なしひとつのプロダクト、独立した研究プログラム
根拠から学ぶ。
同じ業務フローを改善する。
Qelly は、使い慣れたアシスタントのインターフェースを通じて提供を開始します。将来的には、特化モデルにより、お客様に業務の進め方の変更を求めることなく、一部の Qelly ツールを改善できる可能性があります。
当社の学習パイプラインでは、ホストプラットフォーム上のリクエストと生成された回答を既定で対象外としています。研究資料には別個の出所確認・権利処理のプロセスを適用します。対象となるのは、独自に作成し検証した事例、利用要件を満たす公開データ、許諾を得て独自に収集した記録、専門家による注釈です。
レビュー担当者の承認はフィードバックであり、正しさを証明するものではありません。実際の結果は記録に反映されますが、選ばれなかった選択肢の結果まで明らかになるわけではありません。
実運用への導入には、定義された業務フローで品質を向上させるか、同等の品質を大幅に低いコストで実現することが求められ、あわせて制約の確実な適用と不確実性の適切な取り扱いが必要です。量子ソルバーと量子インスパイアード・ソルバーは、同じ検証済みインスタンスで測定します。これらは提供開始の前提条件ではありません。
学習プログラム
手順を教える。判断を測る。
まず、同じツールと根拠を使う未調整のモデルから始めます。学習目標の変更は、データと評価がそれを裏づける場合にのみ行います。
マルチターン強化学習
計画中GRPOでは、管理された財務環境で新たに生成した軌跡を比較する予定です。独立した検証により、数値の正確性、重要な欠落情報、制約の充足、意思決定としての有用性を採点します。
専門家の選好からの学習
条件付きDPOは、コベナンツ条項を明確に説明した例など、信頼できる「採用／不採用」の事例ペアに限って用います。検証されていないモデルのスコアだけでは、採用すべき回答を決める根拠にはなりません。
何を前進とみなすか
財務上の意思決定は、検証に耐えなければなりません。
私たちは、利用可能な根拠、ツール、推論予算を同一にして、ワークフロー全体を評価します。汎用モデルと未調整の Qwen も、引き続き比較対象として維持します。
| 問い | 私たちが求める根拠 |
|---|---|
| 数値は正しいか。 | 金額、単位、日付を確認済みの、実行可能な計算。 |
| その推奨は実行可能か。 | ハード制約は維持されます。未確認の資金調達や同意は、条件付きのまま扱います。 |
| 重要な点を問えていたか。 | 重要な欠落事実は特定され、無関係な質問は加点対象になりません。 |
| 汎化するか。 | 事業、原資料、期間、シナリオ系統によるホールドアウト。関連する事例は同じ分割にまとめます。 |
| 探索は厳密か。 | 小規模なインスタンスでは全数列挙と、より大きなインスタンスでは独立した MILP ソルバーと、結果が一致しています。 |
| 誰でも検証できるか。 | 入力、計画、再計算した資金推移を、フィンガープリントとともに公開しています。 |
| 学習は効果があったか。 | ベースモデル、プロンプトを与えたモデル、学習済みモデルを固定した事例群で比較し、コストとレイテンシを記録します。 |
研究の記録
まず、根拠から。
厳密探索とそのベンチマークは測定済みで、シードから再現できます。モデルの学習は、範囲を限定したローカル環境でのパイロットです。顧客における性能と量子優位性は、いずれも確立されていません。結果は、実行内容、データ分割、評価方法をたどれるようになってから、ここに掲載します。
基盤2つの独立した実装で検証した、厳密な計画探索例を確認する
開発中根拠の取り込み、CFO業務に特化した学習、比較評価
独立したアノテーションを伴う、範囲を限定した判定。ベースライン → 教師ありアダプター → 固定ホールドアウトの順に進め、定性的なレビューに加えて、独立した数値検証を行います。
次に必要な根拠デザインパートナー向けワークフローと、ソルバー結果の提出受付
利用許諾を得た入力データと、アドバイザーがレビューした結論、そして実際の事業運営から得るフィードバック。あわせて、共通のスイートに対する、アニーリング、ゲート方式、量子インスパイアードの各ソルバーの証明書。
プレプリント
量子ハードウェアでこれまでに測定したこと
Qelly 創業者 Luis Lozano による単著で、arXiv に公開済みの査読前論文です。1本目は、このサイトが量子優位性を主張しない理由の一つです。上のベンチマークは、その状況が変わる時点を見極めるための手段です。
-
Where the Quantum Lives in D-Wave Hybrid Portfolio Optimization: An Operational Decomposition Audit
ポートフォリオ問題における D-Wave ハイブリッドソルバーの監査です。証明済みの最適値には到達しますが、量子プロセッサへのアクセスは時間予算の1%未満であり、同じ予算の古典的なタブーサーチでも同じ目的関数値に到達します。サービス時間を量子による寄与と取り違えないために、ハイブリッドの結果が報告すべき項目を提案しています。
-
A calibrated diagnostic for reverse-anneal sampling in programmable quantum annealers
量子アニーリングマシンをサンプラーとして用いるための検証プロトコルです。2世代の D-Wave プロセッサで検証し、読み出しが初期状態の記憶を失っているか、較正済みの参照分布と一致しているかを確かめます。また、最初の検査に合格しながら誤った状態に落ち着く読み出しがありうることを示します。
技術的基盤
私たちの研究は、公表されたテンソルネットワークおよび最適化の手法、確立された学習手法、そして独立に検証可能な財務タスクを基盤としています。
研究者、パートナー、投資家の皆さまへ