6238 件の論文
本論文は、Google Play のデータ安全性声明とプライバシーポリシーの不一致を自動的に検出するフレームワーク「PrivPRISM」を提案し、大規模なアプリ分析を通じて声明と実際のデータ収集慣行の間に広範な矛盾や未開示が存在することを明らかにした。
この論文は、強化学習制御による全身筋骨格モデルを中核としたシミュレーションフレームワークを開発し、人間の内部状態を可視化しながらロボット構造と制御を同時に最適化することで、物理的ヒト・ロボット相互作用の定量的設計・分析を可能にすることを提案しています。
本論文は、ブルームの分類学に基づく認知層別データ合成フレームワーク「BD-FDG」を提案し、これにより構築した大規模な宇宙状況認識（SSA）向けデータセットで微調整した LLM が、専門領域の性能を大幅に向上させつつ汎用性を維持することを示しています。
本論文は、着用状態の画像から平らな衣服表現を生成する仮想試着（VTOFF）において、部分的な視認性からの連続的な詳細の推論と構造的な安定性を向上させるため、衣服の条件を橋渡しするモジュールと平らな構造の制約を注入するモジュールを組み合わせた拡散モデル「BridgeDiff」を提案し、最先端の性能を達成したことを示しています。
この論文は、社会的推論の難問を扱う対戦的ベンチマーク「ToMBench-Hard」と、推論過程全体を人間の認知に整合させる多面的報酬を用いた強化学習フレームワーク「Social-R1」を提案し、これにより小規模モデルでも大規模モデルを上回る堅牢な社会的知能を実現できることを示しています。
本論文は、事前学習済みおよびカスタム設計のニューラルネットワークを統合し、交通標識・車両・車線検出ならびに行動模倣といった自律運転の主要タスクを包括的に処理するマルチモデル手法を提案し、その有効性を複数のデータセットとシミュレーターを用いて検証したものである。
この論文は、論理的推論と厳密な化学的整合性を統合し、透明性と化学的妥当性を両立させることで、分子設計における信頼性の高い AI 実装を目指すコンパクトな推論エンジン「Logos」を提案しています。
本論文は、脳の樹状突起のスパイク配列検出メカニズムを模倣し、勾配なしの再配線学習と非同期デジタルハードウェア・アーキテクチャを組み合わせることで、イベントベースの時系列データ分類において既存のニューロモルフィックハードウェアよりも最大4倍のエネルギー効率を実現する「DendroNN」という新たなニューラルネットワークを提案しています。
この論文は、ノイズの多いマルチビュー画像からの 3D シーン再構成を目的とした、大規模なノイズ付きデータセットを構築し、3D Ground Truth を必要とせずクリーンな 2D レンダリングのみで教師あり学習を行う軽量なフィードフォワード手法「DenoiseSplat」を提案するものです。
この論文は、LLM のメタ認知能力を評価する際、信頼度の数値スケール設計（特に 0-100 ではなく 0-20 の方が有効であるなど）が結果に決定的な影響を与えるため、実験変数として厳密に扱うべきであることを示しています。
この論文は、大規模言語モデルの活性化空間が線形幾何学では正確に記述できないことを示し、多項式カーネル PCA に基づく非線形な「Curveball steering」という手法を提案することで、従来の線形介入法よりも一貫性のあるモデル制御を実現することを主張しています。
本論文は、マルチモーダル医療画像セグメンテーションにおいて欠損モダリティが生じる際の問題に対処するため、モダリティ専門家間の合意を制御する「CLoE」という一貫性学習フレームワークを提案し、欠損状況下でも臨床的に重要な構造のセグメンテーション性能を向上させることを実証したものである。
この論文は、 Unreal Engine 5 を用いて生成され、136 種類の衛星モデルからなる大規模なマルチモーダルデータセット「SpaceSense-Bench」を提案し、宇宙機認識における小規模部品や未知ターゲットの認識といった課題を特定するとともに、大規模で多様なデータセットの重要性を実証したものです。
この論文は、VR 内の対話エージェントが音声の抑揚から感情を推定し、それを会話文脈として LLM に組み込むことで、応答の自然さや関与度、人間らしさを大幅に向上させることを実証した研究です。
本論文は、Wav2Vec2 活性化行列のグラム行列に基づくテクスチャ共活性化構造を捉えた「Texture Resonance Retrieval (TRR)」を提案し、ギターのエフェクトプリセット検索タスクにおいて、既存手法や基線モデルと比較して物理 DSP パラメータの誤差を最小化し、聴覚評価でも有効性を示したことを報告するものです。
本論文は、LLM の静的な推論能力だけでなく、対戦環境における戦略的計画と迅速な意思決定のバランスを評価する新たなベンチマーク「STAR」を提案し、高度な推論モデルがリアルタイム環境では遅延により劣る一方で、高速なモデルが優位に立つという「戦略と実行のギャップ」を実証しています。
本論文は、複雑な質問を構造化されたトリプルサブクエリに分解し、軽量な階層分類法とハイブリッドなマッチング手法を用いて文書から証拠を段階的に選択する「TaSR-RAG」を提案し、これにより従来の RAG システムよりも高精度な多段推論と証拠の帰属を実現したことを報告しています。
この論文は、オフライン強化学習における分布シフトと遷移の不確実性を統一的に扱うため、最悪ケースのダイナミクスに対するロバストな方策最適化を提案し、KL 正則化を用いた実用的な反復アルゴリズム「RRPI」を開発して D4RL ベンチマークで優れた性能とロバスト性を示したことを述べています。
本論文は、グラフ異常検出におけるドメインシフトの根本的な原因である「異常非アソート性（Anomaly Disassortativity）」を特定・定量化し、これに基づいて単一の訓練段階で多様なドメインにわたる汎用的な異常検出を可能にする新しいグラフ基盤モデル「TA-GGAD」を提案し、14 の実世界グラフを用いた実験で最先端の性能を達成したことを報告しています。
この論文は、勾配に依存しないゼロ次最適化と差分プライバシーを組み合わせた新たなデータ凝縮手法を提案し、決定木やコックス回帰など広く使われている非微分可能な臨床モデルでも、患者の機密情報を保護しつつ高品質な合成データによるモデル共有を可能にすることを示しています。