VisualDeltas: Learning Preferences from Visual Quality Perturbations
VisualDeltas は、人間の注釈や外部教師を必要とせず、マルチモーダルデータ内の視覚的品質変化から自律的に学習信号を抽出する軽量な嗜好学習フレームワークであり、多様なベンチマークで既存手法を上回る性能を示します。
🤖 Category
cs.AI
8740 件の論文
Do Deployment Constraints Make LLMs Hallucinate Citations? An Empirical Study across Four Models and Five Prompting Regimes
この論文は、4 つの言語モデルと 5 つの提示条件を用いた実証研究により、展開制約を課しても LLM が生成する引用の存在率は 47.5% 以下に留まり、形式は整っていても事実無根の引用が多数含まれることを明らかにし、技術文献レビューやツールパイプラインへの導入前に事後検証の必要性を説いています。
MAviS: A Multimodal Conversational Assistant For Avian Species
本論文は、1,000 種以上の鳥類を対象とした画像・音声・テキストを統合した大規模データセット「MAviS-Dataset」と、それに基づいて構築された鳥類専門のマルチモーダル対話モデル「MAviS-Chat」、およびその性能評価ベンチマーク「MAviS-Bench」を提案し、生態学応用におけるドメイン適応型マルチモーダル大規模言語モデルの有効性を示しています。
A Cortically Inspired Architecture for Modular Perceptual AI
この論文は、現在の単一モデルの限界を克服し、解釈性や構成的汎化、適応的堅牢性を高めるため、神経科学の知見に基づいて知覚を専門モジュールに分解し、階層的予測フィードバックループと共有潜在空間を通じて構造化された推論を実現するモジュラー型知能AIのアーキテクチャを提案しています。
Spectral Discovery of Continuous Symmetries via Generalized Fourier Transforms
この論文は、関数のスペクトル分解における構造化された疎性を検出することで、生成子空間の最適化に依存せず連続対称性を発見する、一般化フーリエ変換に基づく新しい枠組みを提案し、その有効性を双振り子やトップクォークタグ付けなどのタスクで実証しています。
Data-Driven Hints in Intelligent Tutoring Systems
この論文は、過去の学習データに基づく「ヒントファクトリー」や「インタラクションネットワーク」、さらには大規模言語モデル（LLM）の統合を活用し、次なるステップのヒントや戦略的サブゴールの生成、提示タイミングの最適化など、インテリジェント・チューティングシステムにおけるデータ駆動型のヒント生成技術の進化と将来の可能性を探求しています。
Adversarial Latent-State Training for Robust Policies in Partially Observable Domains
この論文は、部分的に観測可能な強化学習における潜在状態分布のシフトに対する頑健性を向上させるため、敵対的な潜在初期状態分布を選択する設定を定式化し、理論的な証明と「戦艦」ベンチマークを用いた実証実験を通じて、構造化された敵対的曝露が最悪ケースの脆弱性を効果的に軽減することを示しています。
Shutdown Safety Valves for Advanced AI
この論文は、高度な人工知能が目標達成のためにシャットダウンを阻止する懸念に対処するため、AI に「シャットダウンされること」を主目的とするという非伝統的な提案と、その有効性及び適用条件について論じている。
FinSheet-Bench: From Simple Lookups to Complex Reasoning, Where LLMs Break on Financial Spreadsheets
この論文は、実業界の機密データに代わる合成データを用いたベンチマーク「FinSheet-Bench」を提案し、主要な大規模言語モデル（LLM）が複雑な財務スプレッドシートからの情報抽出や数値推論において依然として高い誤り率を示しており、専門的な金融用途での自律的な利用には文書理解と確定的な計算を分離するアーキテクチャの導入が必要であると結論付けています。
Norm-Hierarchy Transitions in Representation Learning: When and Why Neural Networks Abandon Shortcuts
この論文は、正則化された最適化におけるパラメータノルムの階層をゆっくりと移動する「ノルム階層遷移（NHT）」フレームワークを提案し、ニューラルネットワークがスパースなショートカットから構造化された表現へ移行するタイミングと遅延のメカニズムを説明するものである。
The Third Ambition: Artificial Intelligence and the Science of Human Behavior
この論文は、大規模言語モデルを「生産性」や「整合性」に次ぐ第三の目標として、人間の行動・文化・道徳的推論を研究するための科学的ツールとして位置づけ、その方法論的アプローチと認識論的限界を論じています。
VisualScratchpad: Inference-time Visual Concepts Analysis in Vision Language Models
本論文は、視覚言語モデルの推論時に視覚概念を分析・可視化し、モデルの失敗モードを特定するためのインタラクティブなツール「VisualScratchpad」を提案し、その応用によりクロスモーダルアライメントの限界や誤った視覚概念、未使用の隠れた手がかりといった新たな失敗パターンを明らかにしたものです。
Agora: Teaching the Skill of Consensus-Finding with AI Personas Grounded in Human Voice
この論文は、LLM を活用して人間の多様な声を統合し、政策合意形成のスキルを育成する AI プラットフォーム「Agora」を提案し、その有効性を学生を対象とした予備研究で実証したものである。
Learning Concept Bottleneck Models from Mechanistic Explanations
本論文は、ブラックボックスモデルが学習した概念をスパースオートエンコーダとマルチモーダル LLM を用いて抽出・命名する「Mechanistic CBM（M-CBM）」を提案し、事前定義された概念に依存する既存の概念ボトルネックモデルよりも高い予測精度と説明性を実現することを示しています。
AgrI Challenge: A Data-Centric AI Competition for Cross-Team Validation in Agricultural Vision
農業ビジョン分野におけるモデルの汎化性能向上を目指し、複数のチームが独立して収集した多様なフィールドデータを用いた「AgrI Challenge」というデータ中心のコンペティション枠組みと、クロスチーム検証（CTV）という評価手法を提案し、単一ソース学習の限界とマルチソース協調学習の有効性を示した。
Latent Generative Models with Tunable Complexity for Compressed Sensing and other Inverse Problems
この論文は、ネステッドドロップアウトを活用して拡散モデルや正規化フローなどの生成モデルに可変複雑性を導入し、圧縮センシングや画像復元などの逆問題において、固定複雑性のベースラインよりも低い再構成誤差を達成することを示しています。
The Yerkes-Dodson Curve for AI Agents: Emergent Cooperation Under Environmental Pressure in Multi-Agent LLM Simulations
この論文は、グリッドワールド生存アリーナを用いた大規模言語モデル（LLM）のマルチエージェントシミュレーションにおいて、環境圧力（資源不足や生殖競争）とパフォーマンスの関係が心理学者のヤーキーズ・ドッドソンの法則（逆 U 字型曲線）に従い、中程度の圧力下で協力的な行動が最大化されることを実証した世界初の体系的な研究です。
Scaling Laws in the Tiny Regime: How Small Models Change Their Mistakes
本論文は、1 億パラメータ未満の「極小モデル」領域におけるスケーリング則を初めて実証し、モデルサイズの変化に伴う誤分類パターンの転換や、中規模モデルで最も誤った確率が高いという_calibration_の逆説的現象を明らかにし、エッジ AI 向けにはターゲットサイズでの検証が不可欠であることを示しています。
Position: LLMs Must Use Functor-Based and RAG-Driven Bias Mitigation for Fairness
この論文は、カテゴリ理論に基づく関手を用いた構造的バイアス除去と、検索拡張生成（RAG）による外部知識の動的注入を組み合わせることで、大規模言語モデルの公平性を確保する統合フレームワークを提唱しています。
ConfHit: Conformal Generative Design with Oracle Free Guarantees
この論文は、実験的なオラクルへの依存なしに、生成された分子候補が所望の性質を満たす確実性を統計的に保証し、かつ候補集合を効率的に絞り込むための新しい分布フリーフレームワーク「ConfHit」を提案しています。