6409 件の論文
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
本論文は、大規模言語モデル（LLM）の背景、主要な知見、および主要な技術（事前学習、適応チューニング、活用、能力評価）を包括的にレビューし、利用可能なリソースと今後の課題を議論する調査論文である。
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。
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。
本論文は、従来の知識ベースおよび機械学習ベースのアプローチに代わる新たなパラダイムとして、検索とマッチングを行う二つのシエーズエージェントと一連のツールで構成されるLLMエージェント駆動型のオントロジー整合フレームワーク「Agent-OM」を提案し、OAEI 評価において複雑なタスクや少数ショットタスクで顕著な性能向上を実証したものである。
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。
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。
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。
LAMBDA は、大規模言語モデルを活用し、コード生成を行う「プログラマー」とデバッグを行う「インスペクター」という 2 つの代理エージェントを連携させることで、自然言語による直感的なデータ分析を可能にするオープンソースのマルチエージェントシステムである。
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。