Estimation of Energy-dissipation Lower-bounds for Neuromorphic Learning-in-memory
本論文は、物理メモリのエネルギー障壁を最適化ダイナミクスに合わせて調整する「学習インメモリ」方式のニューロモルフィック最適化器における、モデル数や収束速度などのパラメータに依存するエネルギー消費の理論的下限を導出する。
🤖 Category
cs.AI
7179 件の論文
Make VLM Recognize Visual Hallucination on Cartoon Character Image with Pose Information
この論文は、ポーズ情報を活用した文脈内視覚学習（PA-ICVL）を視覚言語モデルに組み込むことで、アニメーションキャラクター画像における構造的な視覚的幻覚の検出精度を大幅に向上させる新しい手法を提案し、その有効性を示しています。
Algorithmic Collusion by Large Language Models
この論文は、大規模言語モデル（LLM）に基づく価格設定エージェントが寡占市場において自律的に競争を超えた価格と利益に到達し、指示文の些細な変化や価格戦争への懸念がその程度に影響を与えることを示し、AI 価格設定エージェントの規制に新たな課題を提起している。
Computational lexical analysis of Flamenco genres
この論文は、自然言語処理と機械学習を用いて 2000 以上のフラメンコ歌詞を分析し、語彙パターンに基づくジャンル分類、各スタイルの意味領域の特定、およびジャンル間の距離測定によるネットワーク分析を通じて、フラメンコ音楽の歴史的つながりや進化を定量的に解明したものである。
Combining X-Vectors and Bayesian Batch Active Learning: Two-Stage Active Learning Pipeline for Speech Recognition
本論文は、x ベクトルによるクラスタリングを用いた教師なし学習と、モンテカルロドロップアウトを応用したベイズ的バッチ能動学習を組み合わせた 2 段階の能動学習パイプラインを提案し、音声認識モデルの学習に必要なラベル付けコストを大幅に削減しながら精度を向上させる手法を確立したものである。
My part is bigger than yours -- assessment within a group of peers
この論文は、共同プロジェクトにおける個人の貢献度評価を、他者からの評価に基づいて重み付けし、同僚間の合意形成を可能にする単純なモデルを提案するものである。
Predictive Coding Networks and Inference Learning: Tutorial and Survey
本論文は、従来の誤差逆伝播法よりも生物学的に妥当で、並列化により計算効率も向上し、教師あり・教師なし学習を統一的に扱える予測符号化ネットワーク（PCN）の理論的基盤と現代機械学習における位置づけを包括的にレビューし、その将来性を示唆するものである。
Transforming Agency. On the mode of existence of Large Language Models
この論文は、具身的な心の理論に基づき、大規模言語モデル（LLM）が自律的な主体性を欠く「対話者」または「言語自動機」に過ぎないと結論づけつつも、その人間との結合が従来の補助的・拡張的枠組みを超えた新たな「中間的」主体性を生み出す可能性を論じています。
FALCON: Future-Aware Learning with Contextual Object-Centric Pretraining for UAV Action Recognition
本論文は、UAV 映像における背景ノイズの影響を排除し、物体中心の未来予測とマスク付きオートエンコーディングを統合した自己教師あり事前学習手法「FALCON」を提案し、UAV 行動認識タスクにおいて既存の教師あり手法を凌ぐ精度と推論速度を実現したことを報告しています。
UniHR: Hierarchical Representation Learning for Unified Knowledge Graph Link Prediction
本論文は、ハイパー関係的、時系列的、ネストされた事実など多様な知識グラフの形式を統一的に扱い、階層的な構造学習を通じて複雑な意味と構造情報を強化する「UniHR」という新しいフレームワークを提案し、9 つのデータセットでその有効性を実証したものです。
SpecFuse: Ensembling Large Language Models via Next-Segment Prediction
本論文は、推論中のモデル貢献度をタスク性能に応じて動的に調整し、スペキュレイティブデコーディングのアイデアを応用してセグメントレベルでモデル間を協調させることで、トレーニング不要かつリアルタイムな重み更新を実現する新しい LLM アンサンブル手法「SpecEM」を提案し、複数のベンチマークで最先端の手法を上回る性能向上を実証したものである。
Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation
この論文は、大規模言語モデルが科学文献の検索からアイデア生成、実験、コンテンツ作成、マルチモーダルな図表の作成、そして査読に至るまで、科学者の研究ライフサイクル全体を支援する新たなエコシステムを包括的に調査し、手法や評価、倫理的課題を概説するものである。
Conditioning LLMs to Generate Code-Switched Text
本論文は、英語とスペイン語のコードスイッチング（CS）テキスト生成のために、自然な CS 文を英語に逆翻訳して作成した平行コーパスを用いた LLM の微調整手法を提案し、その生成品質が人間の評価と高い相関を示す LLM による判断で確認されたことを報告しています。
Generative Predictive Control: Flow Matching Policies for Dynamic and Difficult-to-Demonstrate Tasks
この論文は、実証が困難で動的なタスクにおいて、実証データへの依存を減らし高速なフィードバックを可能にするために、サンプリングに基づく予測制御と生成モデルを統合した「生成予測制御（Generative Predictive Control）」という新しい学習枠組みを提案し、フローマッチングを用いた方策の推論時ウォームスタート手法を紹介しています。
FragFM: Hierarchical Framework for Efficient Molecule Generation via Fragment-Level Discrete Flow Matching
本論文は、断片レベルの離散フローマッチングと階層的なオートエンコーダを組み合わせて大規模な化学空間を効率的に探索する分子生成フレームワーク「FragFM」を提案し、天然物生成ベンチマーク「NPGen」を含む多様な評価を通じて、原子レベルの手法よりも優れた物性制御能力と拡張性を示しています。
Aligning Compound AI Systems via System-level DPO
この論文は、非微分可能なコンポーネント間の相互作用やシステム全体の選好をコンポーネントレベルに変換できないという課題に対処するため、Compound AI システムを有向非巡回グラフとしてモデル化し、システム全体の選好に直接対応する新しいアライメント手法「SysDPO」を提案するものです。
Adversarial Robustness of Partitioned Quantum Classifiers
本論文は、NISQ 時代の量子分類器において、回路切断や量子もつれ転送を標的とした敵対的摂動が中間層への敵対的ゲート実装と密接に関連していることを理論的・実験的に示し、分割された量子分類器の敵対的ロバスト性を検証するものである。
A Survey on Music Generation from Single-Modal, Cross-Modal, and Multi-Modal Perspectives
本論文は、テキストや画像、動画など複数のモダリティを活用した音楽生成の研究動向を、モダリティ表現やデータ整合、生成への活用、データセット、評価手法、課題、そして将来展望の観点から包括的に survey したものである。
FindAnything: Open-Vocabulary and Object-Centric Mapping for Robot Exploration in Any Environment
本論文は、ビジョン・言語特徴を物体レベルで集約して効率的に保存する「FindAnything」というフレームワークを提案し、大規模な未知環境におけるリアルタイムかつメモリ効率の高いオープンボキャブラリ3D マッピングを実現し、自律型MAV による探索タスクなどへの実用性を示しています。
From Tokenizer Bias to Backbone Capability: A Controlled Study of LLMs for Time Series Forecasting
本論文は、時系列予測における事前学習済み大規模言語モデル（LLM）の実効性を検証するため、バイアスの少ないトークナイザーとデトークナイザーを用いた制御実験を行い、LLM のバックボーン自体の予測能力は限定的であり、大規模時系列データで訓練された専用モデルに一貫して勝ることはできないという結論を導き出しています。