Aggregative Semantics for Quantitative Bipolar Argumentation Frameworks
本論文は、攻撃者と支援者の非対称な役割を扱うために、攻撃者と支援者を別々に集約する3段階の計算プロセスを特徴とする「集約的意味論」という新しい漸進的意味論のファミリーを定量双極的議論枠組み（QBAF）に導入し、その性質や古典的原理との関係を議論するとともに、多数の事例による比較を通じてその多様な振る舞いと解釈可能性を実証しています。
🤖 Category
cs.AI
7354 件の論文
Text-Driven Emotionally Continuous Talking Face Generation
この論文は、テキストと変化する感情記述を入力として、自然な感情の連続的な変化を反映したリアルな喋り顔動画を生成する新たなタスク「EC-TFG」と、そのための時感情変動モデリングを採用したモデル「TIE-TFG」を提案し、滑らかな感情遷移と高品質な視覚的・運動的実在性を達成することを示しています。
Lifelong Embodied Navigation Learning
本論文は、大規模言語モデル駆動の身体性ナビゲーションエージェントが直面する破滅的忘却の問題を解決するため、タスク共有知識とタスク固有知識を効率的に学習・統合する新しいフレームワーク「Uni-Walker」を提案し、多様なタスクや指示スタイルにわたる生涯学習を実現するものです。
StreamVoiceAnon+: Emotion-Preserving Streaming Speaker Anonymization via Frame-Level Acoustic Distillation
この論文は、ストリーミング音声の話者匿名化において感情を保持しつつ、推論遅延の増加なしに 2 時間未満の微調整で実現する「StreamVoiceAnon+」を提案し、VoicePrivacy 2024 プロトコルで感情保持率を大幅に向上させたことを報告しています。
Offline Materials Optimization with CliqueFlowmer
この論文は、最大尤度推定に基づく生成モデルの限界を克服し、クリックベースのモデルベース最適化をトランスフォーマーとフロー生成に統合した「CliqueFlowmer」と呼ばれるオフラインモデルベース最適化手法を提案し、計算材料発見において既存の生成モデルを凌駕する材料の探索を可能にすることを示しています。
Experiences Build Characters: The Linguistic Origins and Functional Impact of LLM Personality
この論文は、ドメイン固有テキストを用いた継続的事前学習によりLLMに多様な「経験」を積ませることで、その言語的基盤と性格特性（Big Five）が推論能力に因果的に影響を与えることを実証し、特に社会的特性の抑制が複雑な推論を向上させる「抑制の優位性」を発見した上で、LLMの性格を設計する「性格工学」への道筋を示しています。
Making Implicit Premises Explicit in Logical Understanding of Enthymemes
この論文は、明示的な前提と主張から潜在的な前提を大規模言語モデル（LLM）で生成し、自然言語を論理式に変換して SAT ソルバーに基づく神経記号推論で含意を判定するパイプラインを提案し、エンチメームの論理的理解における性能向上を実証するものである。
A Hazard-Informed Data Pipeline for Robotics Physical Safety
この論文は、資産の明示的な宣言、体系的な脆弱性の列挙、およびハザード駆動型の合成データ生成に基づき、古典的な安全工学と現代の機械学習パイプラインを統合したロボットの物理的安全性フレームワークを提案しています。
A Causal Graph Approach to Oppositional Narrative Analysis
この論文は、事前定義されたオントロジーやブラックボックスモデルに依存せず、ナラティブをエンティティ相互作用グラフとして表現し、ノードレベルの因果推論を用いて最小因果部分グラフを導出することで、対立的ナラティブの検出・分析・分類を従来手法を上回る精度で行う新しいフレームワークを提案しています。
Partial Policy Gradients for RL in LLMs
本論文は、将来の報酬のサブセットを最適化することで勾配推定の精度を向上させ、フルプランニングから貪欲法まで多様な方策クラスを学習・比較可能にする「部分的方策勾配法」を提案し、対話タスクにおける各方策の特性を明らかにしたものである。
Place-it-R1: Unlocking Environment-aware Reasoning Potential of MLLM for Video Object Insertion
本論文は、マルチモーダル大規模言語モデル（MLLM）の環境認識推論能力を活用し、「思考してから配置する」パラダイムと閉ループ反復最適化を導入することで、物理的な整合性を保った高品質な動画オブジェクト挿入を実現するフレームワーク「Place-it-R1」を提案するものです。
Predictive Coding Graphs are a Superset of Feedforward Neural Networks
この論文は、神経科学に着想を得た確率的潜在変数モデルである予測符号化グラフ（PCG）が、多層パーセプトロンの数学的超集合を定義することを証明し、これにより PCG を現代の機械学習の文脈に位置づけ、ニューラルネットワークのトポロジーに関する研究を強化していることを示しています。
VLM-RobustBench: A Comprehensive Benchmark for Robustness of Vision-Language Models
本論文は、視覚言語モデル（VLM）が標準的な高品質データでは高い性能を発揮する一方で、現実世界の画像歪み、特に低強度の空間的変換や幾何学的歪みに脆弱であることを示す包括的なベンチマーク「VLM-RobustBench」を提案し、現在のモデルが意味理解は優れているものの空間的頑健性に課題があることを明らかにしています。
Ensemble Graph Neural Networks for Probabilistic Sea Surface Temperature Forecasting via Input Perturbations
この論文は、入力摂動（特に空間的に相関したパーリンノイズ）を用いたアンサンブル学習手法により、追加のトレーニングコストなしにカリナリー諸島海域の海表面温度を精度よく確率的に予測できることを示しています。
Do Compact SSL Backbones Matter for Audio Deepfake Detection? A Controlled Study with RAPTOR
本論文は、大規模なモデルに依存せず、マルチリンガルな HuBERT の事前学習が音声ディープフェイク検出のドメイン間頑健性と較正安定性を決定づける主要因であることを、RAPTOR による統制実験を通じて実証しています。
Reflective Flow Sampling Enhancement
この論文は、従来の拡散モデルでは機能しにくいフローマッチングモデル（FLUX など）向けに、理論的根拠に基づきトレーニング不要で生成品質とプロンプト整合性を向上させる「Reflective Flow Sampling」という新しい推論強化フレームワークを提案し、その有効性とテスト時スケーリング能力を実証しています。
Contrastive-to-Self-Supervised: A Two-Stage Framework for Script Similarity Learning
この論文は、人工文字体系の教師あり学習で得られた識別特徴を、歴史的に実証された文字体系への教師あり学習なしの知識蒸留に転用する二段階フレームワークを提案し、明確な境界と潜在的な歴史的関連性の両方を捉えた文字類似性学習を実現するものである。
CRIMSON: A Clinically-Grounded LLM-Based Metric for Generative Radiology Report Evaluation
本論文は、胸部 X 線レポート生成の評価において、診断の正確性や患者の安全性を重視し、臨床的コンテキストやガイドラインに基づいてエラーの重大度を重み付けする新しいメトリクス「CRIMSON」を提案し、複数のベンチマークで専門医の判断と高い一致を示したことを報告しています。
Whisper-CD: Accurate Long-Form Speech Recognition using Multi-Negative Contrastive Decoding
Whisper-CD は、ガウス雑音、無音信号、時間シフトという 3 つの負のサンプルを対比して推論時のみで動作するトレーニング不要のデコーディングフレームワークであり、長文音声認識における幻覚や繰り返しを抑制し、単語誤り率を最大 24.3 ポイント削減すると同時にビームサーチより 48% 高速な生成を実現します。
MAPO: Mixed Advantage Policy Optimization for Long-Horizon Multi-Turn Dialogue
MAPO は、密なプロセスフィードバックと混合アドバンテージ推定器を活用して、主観的な多ターン対話における長期の相互作用品質を安定して最適化し、既存の手法を上回る性能と汎用性を達成する強化学習アルゴリズムである。