7179 件の論文
本論文は、観光・ホスピタリティ分野における意思決定支援に焦点を当て、画像から得られる有用な情報を定量化する「情報性（Informativeness）」という新たな枠組みを提案し、これに基づいて構築された専用データセットを用いた評価により、最先端の視覚言語モデルがドメイン固有の微調整を経て初めて信頼性の高い意思決定支援が可能になることを明らかにしています。
この論文は、既存の評価手法の限界を克服し、実世界の複雑な制約や制御フローを反映した新しいベンチマーク「CCR-Bench」を提案し、最先端の LLM でさえも実用的な指示理解において大きな課題を抱えていることを明らかにしています。
この論文は、粒子フィルタリング（特に逐次モンテカルロ法）の理論的枠組みを用いて、言語モデル推論における並列サンプリング手法の精度とコストのトレードオフを厳密に分析し、その理論的限界と実証的な知見を明らかにしています。
本論文は、産業・医療・航空など多様な領域における微妙な視覚的差異の識別を評価する新たなベンチマーク「VLM-SubtleBench」を提案し、既存の VLM が人間のレベルに達するまでには、属性や状態などの細かな違いに対する推論能力において依然として大きな課題が残っていることを明らかにしています。
この論文は、画像のピクセルをエージェントとしてモデル化し、ヘドニックゲームにおける coalition 形成を画像セグメンテーションという視覚的テストベッドとして検証し、メカニズム設計パラメータが均衡構造に与える影響を定量化することを提案しています。
この論文は、大規模な多エージェント経路探索問題において、既存のガイダンス経路アプローチの計算オーバーヘッドと静的な限界を克服し、LaCAM* が探索中に構築する動的で軽量な交通マップを活用することで、より高品質な解を効率的に得る手法を提案しています。
この論文は、多様な農家の事情に合わせた意思決定を支援するため、AI 気象予測モデルと「変化する農家の期待」を反映した統計モデルを融合させた確率的なモンスーン予報システムを開発し、2025 年にインドの 3800 万人の農家に展開して効果を実証したことを報告しています。
この論文は、学習インターフェースの進化を制御する構造モデル（SMGI）を提案し、その数学的枠組みを通じて従来の学習手法を包含する一般人工知能の理論的基礎と一般化保証を確立するものである。
本論文は、電子カルテデータ上でタスク条件付き事前学習を行うことで、従来の自己回帰モデルよりも効率的かつ高精度に、微調整なしで多様な臨床予測タスクをゼロショットで実行できる新しい基礎モデル「EveryQuery」を提案し、MIMIC-IV における 39 個のタスクの 82% で性能向上を実証した研究です。
本論文は、外部トラッキング装置を必要とせず、事前の CT 画像とライブ内視鏡映像のみを用いて、短期反応エージェントと長期戦略エージェント、そして世界モデルクリティックを階層的に統合した自律型気管支鏡ナビゲーションシステムを提案し、その生体前臨床試験における有効性を実証したものである。
本論文は、マルチステップのタスクにおいて各手順の難易度に応じて推論コストを動的に調整する軽量ルーター「Ares」を提案し、推論トークン使用量を最大 52.7% 削減しながらタスク成功率を維持する手法を提示しています。
本論文は、リレーショナルデータベースにおける不均衡データ問題に初めて着目し、関係性ごとのゲート制御と関係性ガイドの少数派合成を用いて不均衡なエンティティ分類を改善する深層学習手法「Rel-MOSS」を提案し、既存手法を上回る性能を実証したものである。
本論文は、Vision Transformer の線形層を特異値分解し特異値のみを適応させる「IMSE」を提案し、エントロピー最小化の限界を克服する多様性最大化損失とドメイン認識スペクトルコード検索を導入することで、テスト時適応および継続的テスト時適応において極めて少ない学習パラメータで最先端の性能を実現する手法を提示しています。
SWE-Fuse は、問題記述のノイズを軽減する問題フリー軌道学習とエントロピーに基づく RLVR 学習を融合させることで、SWE-bench において既存のモデルを大幅に上回るソフトウェア問題解決能力を実現する新しいトレーニングフレームワークです。
本論文は、データ生成と理解の間の格差に対処するため、大規模言語モデルや深層学習に基づく人間監督型の AI エージェントが科学的方法の次の進化となり、特に素粒子物理学における「Dr. Sai」システムを通じて、複雑化する科学の発見を拡張する新たなパラダイムを提唱しています。
この論文は、台風やパンデミックなどの大規模社会イベント下での人間移動を生成する際、既存の手法が抱えるイベント注釈付きデータセットの欠如と習慣的パターンとイベント制約の競合を解決するため、初めてイベント注釈付きデータセットを構築し、Fuzzy-Trace 理論に基づく自己整合型 LLM フレームワーク「ELLMob」を提案するものです。
この論文は、物理法則をアーキテクチャに直接組み込んだ軽量ニューラルネットワーク「PSTNet」を提案し、限られた計算リソースを持つ航空機のオンボードシステムにおいて、従来の手法や大規模モデルよりも効率的かつ高精度に大気乱流を推定できることを実証しています。
本論文は、大規模言語モデル（LLM）を用いた自動アルゴリズム設計において、推論過程を段階的に分解し多エージェントシステムとフィードバック機構を導入した「EvoStage」を提案し、チップ配置やベイズ最適化などの実務課題において人間や既存手法を上回る高性能なアルゴリズムを生成できることを実証しています。
この論文は、事前学習モデルの知識限界を克服し、人間と協働して継続的に学習・改善する自律型マルチエージェントシステムを実現するため、メタ認知ポリシーを学習し、即時の判断と長期的な能力向上を分離する「二重ループ方策最適化」を採用した HILA フレームワークを提案し、数学や問題解決のベンチマークで先行するマルチエージェントシステムを上回る性能を実証したものである。
本論文は、動的環境におけるマルチロボット探索の課題を解決するため、実行の信頼性（フィデリティ）推定をタスク割当と運動実行に統合し、自律的な適応と衝突回避を実現するハイブリッド学習・計画フレームワーク「VORL-EXPLORE」を提案するものである。