Towards Flexible Spectrum Access: Data-Driven Insights into Spectrum Demand
本論文は、地理空間分析と機械学習を活用したデータ駆動型の手法を提案し、カナダの都市部におけるスペクトル需要の空間的変動を高精度に予測することで、6G ネットワークにおける柔軟なスペクトルアクセス政策の策定を支援することを目的としています。
🤖 Category
cs.AI
2384 件の論文
PathMem: Toward Cognition-Aligned Memory Transformation for Pathology MLLMs
この論文は、人間の病理医の階層的記憶プロセスに着想を得て、構造化された専門知識を長期記憶として組織化し、マルチモーダルな記憶活性化と文脈依存の知識接地を通じて作業記憶へ動的に変換する「PathMem」という新しいフレームワークを提案し、病理学における多モーダル大規模言語モデルの推論精度と解釈可能性を大幅に向上させたことを報告しています。
No Image, No Problem: End-to-End Multi-Task Cardiac Analysis from Undersampled k-Space
この論文は、従来の「再構成後に解析」という非効率なパイプラインを回避し、 undersampled k-space データから直接生理学的ラベルを抽出するエンドツーエンドのマルチタスク学習フレームワーク「k-MTR」を提案し、大規模シミュレーションデータを用いてその有効性を実証したものである。
The Confidence Gate Theorem: When Should Ranked Decision Systems Abstain?
この論文は、推薦や臨床トリアージなどのランク付け意思決定システムにおいて、構造的な不確実性（データ欠如）と文脈的な不確実性（分布のシフト）を区別し、それぞれに適した信頼度信号を用いることで、自信に基づく棄却（abstention）が意思決定の質を単調に向上させるための条件を明らかにするとともに、分布シフト下での例外ラベルに基づく介入の有効性を否定する実証的診断手法を提案しています。
When Learning Rates Go Wrong: Early Structural Signals in PPO Actor-Critic
本論文は、PPO における学習率の不適切な設定が隠れ層ニューロンの活性化パターンに与える影響を「過学習・未学習指標（OUI）」で定量化し、トレーニング初期段階で学習率の良否を高精度に判定し不要な学習を早期に剪定できる手法を提案しています。
Towards a Neural Debugger for Python
この論文は、LLM をファインチューニングまたはゼロから学習させることで、ブレークポイント設定やステップ実行などの対話的制御を可能にする「ニューラルデバッガー」を提案し、CruxEval における高い性能と、将来的な自律型コーディングシステムにおける世界モデルとしての基盤性を示しています。
Think Before You Lie: How Reasoning Improves Honesty
この論文は、人間とは異なり大規模言語モデルにおいて推論プロセスが誠実さを高める効果をもたらすことを示し、その理由として欺瞞的な領域が不安定であり、推論による表現空間の探索がより安定した誠実なデフォルト状態へとモデルを導くことを発見したことを報告しています。
BEACON: Language-Conditioned Navigation Affordance Prediction under Occlusion
この論文は、家具や人間による遮蔽領域を含む局所領域の移動可能性を推定するために、視覚言語モデルに空間的手がかりを組み込み、周囲の RGB-D 観測からオクルージョンに強い鳥瞰図（BEV）の affordance 熱地図を生成する「BEACON」という手法を提案し、最先端の画像空間ベースラインを大幅に上回る精度を達成したことを示しています。
Emotional Modulation in Swarm Decision Dynamics
この論文は、感情価と覚醒度が相互作用率を調節するエージェントベースモデルを提案し、蜂の方程式を拡張することで、集団意思決定における感情の伝染や非線形増幅が合意形成の速度や結果に与える影響を明らかにしたものである。
Understanding the Use of a Large Language Model-Powered Guide to Make Virtual Reality Accessible for Blind and Low Vision People
この論文は、16 人の視覚障害者（盲および弱視）を対象とした研究を通じて、大規模言語モデル（LLM）を活用した AI 案内者が、ユーザーが単独でいる際は「道具」として、他者がいる際は「同伴者」として扱われることを明らかにし、VR 環境におけるアクセシビリティ向上のための設計指針を提示したものである。
From Data Statistics to Feature Geometry: How Correlations Shape Superposition
この論文は、従来の超位置（superposition）の理解が不十分な現実的なデータにおいて、特徴間の相関を考慮した「Bag-of-Words 超位置（BOWS）」モデルを提案し、相関する特徴が干渉を構築的に利用して意味的なクラスタや循環構造を自然に形成することを示しています。
Online Neural Networks for Change-Point Detection
この論文では、大規模な時系列データに対して線形計算量で実行可能かつ最適解への収束が証明された、ニューラルネットワークとオンライン学習に基づく 2 つの新しい変化点検出手法を提案し、既存の手法を上回る性能を実証するとともに、オフライン手法よりも優れる条件を明らかにしています。
Automated Reinforcement Learning: An Overview
本論文は、強化学習のモデル化やアルゴリズム選択、ハイパーパラメータ調整などの主要な構成要素を自動化する「自動強化学習（AutoRL）」の動向を、大規模言語モデルを用いた最新手法や将来の統合が期待される技術を含めて包括的に概観し、その課題や今後の研究方向について議論している。
Explainable classification of astronomical uncertain time series
この論文は、天文学における不確実な時系列データの分類において、既存の解釈可能な手法の性能不足とデータ不確実性の欠如を解決するため、データの不確実性を入力として取り込み、予測の解釈性を保ちながら最先端の性能を達成する新しいモデルを提案するものである。
Utility Theory based Cognitive Modeling in the Application of Robotics: A Survey
本論文は、ロボットにおける意思決定や学習を人間の社会構造に類似した形で最適化するための基盤として、功利性理論に基づく認知モデルの進化、価値システムの応用、および将来の研究課題を包括的に調査・検討したものである。
Online Dispatching and Routing for Automated Guided Vehicles in Pickup and Delivery Systems on Loop-Based Graphs
この論文は、ループベースのグラフにおける自動搬送車（AGV）のオンライン配送・経路計画問題に対して、任意の容量と順序付けられたジョブに対応する新しいループベースアルゴリズムを提案し、理論的および実世界の事例を用いた実験により、既存の手法と比較して同等以上の解をより短時間で得られることを実証しています。
Survey of Computerized Adaptive Testing: A Machine Learning Perspective
本論文は、従来の心理測定学に依存するコンピュータ適応型テスト（CAT）の枠組みを、測定モデルや問題選択アルゴリズムなどの主要構成要素に機械学習を統合する新たな視点から包括的に調査し、より強健で公平かつ効率的な次世代テストシステムの構築を提唱するものです。
Fast Explanations via Policy Gradient-Optimized Explainer
この論文は、方策勾配法を用いて確率分布でアトリビューションベースの説明を最適化する「FEX」という新しいフレームワークを提案し、従来のモデル非依存アプローチと比較して推論時間を 97% 以上削減しつつ、高品質で汎用的な説明をリアルタイムで可能にすることを示しています。
Exploring Diffusion Models' Corruption Stage in Few-Shot Fine-tuning and Mitigating with Bayesian Neural Networks
本論文は、少ショット微調整における拡散モデルの学習過程で生じる「腐敗段階」を、ベイズニューラルネットワークを用いて学習分布を広く捉えることで理論的に説明し、生成画像の忠実度と多様性を向上させる手法を提案しています。
OTAD: An Optimal Transport-Induced Robust Model for Agnostic Adversarial Attack
この論文は、最適輸送理論に基づく正則化と凸統合問題の解決を通じて、局所リプシッツ連続性を保証しつつ訓練データに高精度に適合する新しい強健な敵対的防御モデル「OTAD」を提案し、多様なデータセットにおいて既存の強健モデルを上回る性能を実証しています。