本稿では、自然言語処理（NLP）における微分可能なニューラルアーキテクチャ探索（NAS）手法を研究する。特に、softmax-局所制約（softmax-local constraint）を排除することで、微分可能なアーキテクチャ探索の性能を向上させた。また、微分可能なNASを命名エンティティ認識（NER）に適用した。これは、言語モデリング以外のNLPタスクに微分可能なNAS手法を導入した初の試みである。PTB言語モデリングおよびCoNLL-2003英語NERデータセットの両方において、本手法は強力なベースラインを上回り、NERタスクにおいて新たな最良性能（state-of-the-art）を達成した。