Reactive Writers: How Co-Writing with AI Changes How We Engage with Ideas
この論文は、AI との共作において「アイデア生成」から「AI の提案への反応と評価」へとプロセスがシフトする「反応的執筆（Reactive Writing）」という新たな実践が、著者の意識的な気づきなく意見や信念を形成・変容させるメカニズムを、混合手法による研究で明らかにしたものである。
🤖 Category
cs.AI
4659 件の論文
Causal Concept Graphs in LLM Latent Space for Stepwise Reasoning
この論文は、スパースオートエンコーダと微分可能な構造学習を組み合わせることで大規模言語モデルの潜在空間に因果概念グラフを構築し、多段階推論における概念間の因果依存関係を可視化するとともに、介入実験による評価スコア（CFS）で既存手法を上回る性能を実証する手法を提案しています。
Optimal Expert-Attention Allocation in Mixture-of-Experts: A Scalable Law for Dynamic Model Design
この論文は、Mixture-of-Experts（MoE）モデルにおいて、トータルな計算量とスパース性に応じてエキスパート層とアテンション層への計算リソース配分を最適化するべき比率をべき乗則として導き出し、Chinchilla の法則を拡張したスケーリング法則を提案するものである。
Beyond Scalars: Evaluating and Understanding LLM Reasoning via Geometric Progress and Stability
本論文は、LLM の推論を確率スカラーではなく幾何学的な「進展（変位）」と「安定性（曲率）」の観点から評価する TRACED フレームワークを提案し、これにより誤りやハルシネーションを物理的な動的特性として捉え、より頑健な推論品質の評価を実現するものである。
Safe Probabilistic Planning for Human-Robot Interaction using Conformal Risk Control
この論文は、人間の複雑な行動を考慮しつつ制御障壁関数と適合性リスク制御を組み合わせることで、人間・ロボット相互作用における衝突率を大幅に低減し、目標到達の成功率を維持しながら形式的な安全性保証を提供する新しい確率的安全制御フレームワークを提案しています。
Verbalizing LLM's Higher-order Uncertainty via Imprecise Probabilities
この論文は、従来の確率論的枠組みでは捉えきれない大規模言語モデル（LLM）の不確実性を、不確実性そのものに対する不確実性（第二-order 不確実性）を含む「不確実確率」の枠組みに基づき、プロンプトと後処理を通じてより忠実に引き出す新しい手法を提案し、その有効性を多様な設定で実証するものである。
On the Learning Dynamics of Two-layer Linear Networks with Label Noise SGD
この論文は、ラベルノイズを含む SGD による 2 層線形ネットワークの学習ダイナミクスを解析し、ラベルノイズがモデルを「怠惰な領域」から「豊富な領域」へ移行させ、最終的に汎化性能を向上させる二段階の学習プロセスを明らかにするとともに、その知見を SAM などの最適化アルゴリズムにも拡張可能であることを示しています。
Designing Service Systems from Textual Evidence
この論文は、LLM によるバイアス付き評価と高コストな人間による監査を組み合わせ、逆確率重み付け残差を用いた推定器と PP-LUCB アルゴリズムを開発することで、テキスト証拠に基づくサービスシステムの最適構成を低コストかつ高信頼性で特定する手法を提案し、その有効性を理論的・実験的に証明したものである。
Effective Dataset Distillation for Spatio-Temporal Forecasting with Bi-dimensional Compression
この論文は、時空間データセットの圧縮において時間・空間の両次元をバランスよく圧縮し、クラスタレベルとサブセットレベルの手法を組み合わせることで、従来の手法よりも高速かつメモリ効率よく、かつ予測精度を向上させた新しい時空間データセット蒸留手法「STemDist」を提案するものである。
Enhancing Network Intrusion Detection Systems: A Multi-Layer Ensemble Approach to Mitigate Adversarial Attacks
本論文は、GAN と FGSM による敵対的攻撃を想定し、スタッキング分類器とオートエンコーダを多層的に組み合わせ、敵対的訓練を適用することで、機械学習ベースのネットワーク侵入検知システム（NIDS）の耐性を向上させる手法を提案し、UNSW-NB15 と NSL-KDD データセットを用いた実験でその有効性を示しています。
Domain-Adaptive Health Indicator Learning with Degradation-Stage Synchronized Sampling and Cross-Domain Autoencoder
本論文は、異なる運転条件における分布の不一致を解決するため、劣化段階を同期させたバッチサンプリングと大規模カーネルおよびクロスアテンションを統合した自動符号化器を提案し、異分野適応に基づく高品質な健全性指標の学習を実現する手法を提示しています。
The Curse and Blessing of Mean Bias in FP4-Quantized LLM Training
この論文は、FP4 量子化された LLM 学習における数値的不安定性の主要因がランク 1 の平均バイアスに起因することを発見し、これを単純な平均値の引き算で除去することで、SVD などの複雑な手法を避けつつ BF16 並みの安定性と性能を回復させる効率的な手法を提案しています。
FAR-Dex: Few-shot Data Augmentation and Adaptive Residual Policy Refinement for Dexterous Manipulation
この論文は、限られたデモンストレーションから物理的に制約された軌道を生成するデータ拡張手法と、多段階の軌道セグメントと観測特徴を組み合わせて方策を適応的に微調整する残差モジュールを統合した階層的フレームワーク「FAR-Dex」を提案し、シミュレーションおよび実世界における多指ハンドとアームの協調操作の成功率と汎化性能を大幅に向上させることを示しています。
UniPINN: A Unified PINN Framework for Multi-task Learning of Diverse Navier-Stokes Equations
本論文は、単一フロー設定に限定されがちな既存の物理情報ニューラルネットワーク（PINN）の課題を克服し、共有・専門化アーキテクチャ、クロスフロー注意機構、動的重み割り当て戦略を統合することで、多様なナビエ・ストークス方程式のマルチタスク学習において高精度かつ安定した予測を実現する統一フレームワーク「UniPINN」を提案するものです。
G-STAR: End-to-End Global Speaker-Tracking Attributed Recognition
本論文は、長尺の複数話者音声における時間指定付き話者割り当て付きASRを実現するため、時間意識型話者追跡モジュールと音声LLMを組み合わせたエンドツーエンドシステム「G-STAR」を提案し、チャンク間の話者同一性の一貫性と微細な時間境界の両方を維持する手法を確立したものである。
Modeling Stage-wise Evolution of User Interests for News Recommendation
この論文は、ユーザーの長期的な嗜好と短期的な興味の変遷をそれぞれグローバルおよび局所的な時間的視点から統合的に学習する新しいニュース推薦フレームワークを提案し、実データによる実験で既存手法を上回る性能を実証したものである。
Aligning Large Language Models with Searcher Preferences
この論文は、検索結果の要約に特化した初の大規模言語モデル「SearchLLM」を提案し、階層的な報酬システムと GRPO による最適化を通じて、RedNote での実装において生成品質とユーザーエンゲージメントの向上、および安全性の維持を実現したことを報告しています。
Learning to Negotiate: Multi-Agent Deliberation for Collective Value Alignment in LLMs
この論文は、対立する価値観を持つ複数のエージェントが対話を通じて相互に有益な解決策を導き出す「交渉に基づくマルチエージェント対話」を RL 学習で訓練する枠組みを提案し、これにより単一エージェントの手法と同等の集団的価値整合性を保ちつつ、対立解決能力を大幅に向上させることを実証しています。
JEDI: Jointly Embedded Inference of Neural Dynamics
この論文は、異なるタスクや文脈にわたって神経ダイナミクスを共有埋め込み空間内で学習する階層モデル「JEDI」を提案し、限られた実験データから脳の状態やメカニズムをスケーラブルかつ汎用的に推論できることを示しています。
Naïve Exposure of Generative AI Capabilities Undermines Deepfake Detection
この論文は、ユーザーが商用生成 AI のチャットボットに対して安全なプロンプトで画像の精緻化を依頼するだけで、現代のディープフェイク検出器を回避しつつ高品質な偽造画像を生成できてしまうという、検出フレームワークの脅威モデルと実世界の AI 能力の間の構造的な不一致を明らかにしています。