8799 件の論文
本研究では、スパースなサンプリング条件下でナトリウムイオン電池正極材料のナノスケール相分布を特定し、曖昧な領域や粒界での遷移相を同定するために、ガウス混合変分オートエンコーダとピアソン相関係数を組み合わせた AI 駆動型ワークフローを開発し、STXM データを用いて NaxV2(PO4)2F3 粒子内の相の不均一性と進化を解明しました。
本論文は、2022 年から 2026 年初頭までの LLM エージェントにおける記憶の設計、実装、評価を体系的に概観し、記憶のメカニズム分類や評価手法の進展、応用分野、および直面する技術的課題と将来の展望を包括的に論じています。
本論文は、動画ストリーミングの帯域幅制限下において、圧縮ドメイン情報（動きベクトル、残差マップ、フレームタイプ）を活用して計算効率と画質のバランスを最適化し、既存の最先端手法よりも高速かつ高精度なオンライン動画超解像を実現する「CDA-VSR」を提案するものである。
この論文は、非微分可能な報酬信号（人間の評価やオブジェクト数など）を少数ステップの拡散モデルに統合するための新しい強化学習パラダイム「TDM-R1」を提案し、その有効性をテキスト描画や視覚品質、嗜好アライメントなど多岐にわたる実験で実証したものです。
この論文は、音声からテキストへの変換と有害な音声コマンドの検出をリアルタイムかつ単一ステップで実行し、高い精度と低遅延を実現する軽量モデル「VoiceSHIELD-Small」を提案するものである。
本論文は、イギリスのムスリム女性向けに共同設計された文化的・信仰に配慮したAIチャットボット「YAQIN」の開発と評価を通じて、医療システムにおける文化的障壁を克服し、信頼とエンゲージメントを向上させる可能性を示しています。
本論文は、LLM を二腕バンディット問題に適用した実験を通じて、モデルが報酬構造に関わらず位置順序や硬直な探索戦略に偏る決定バイアスを示し、学習率の低さと逆温度の高さという計算モデルで説明できることを明らかにし、これが人間-AI 協調における潜在的な課題を浮き彫りにしたことを述べています。
この論文は、大規模言語モデルの幻覚や誤り蓄積を軽減し、OpenSeesPy を用いた構造モデルの自動生成・解析の精度と効率を向上させるために、問題分析からコード変換までを分担する新しいマルチエージェント・アーキテクチャを提案し、20 のフレーム問題における高い成功率を実証したものである。
本論文は、大規模なパラメータを含む多様な離散最適化問題を用いた評価を通じて、LLM の性能や CoT 手法の有効性を実証し、自動解決への提言と将来の研究基準を提供するものである。
この論文は、連合グラフ学習の脆弱性を突くため、学習時にデータを隠蔽的に変位させ、学習後にその情報を基に効率的に敵対的摂動を生成する「Hide and Find」方式の分散型敵対的攻撃手法「FedShift」を提案し、既存手法を上回る攻撃成功率と防御回避能力、および 90% 以上の時間削減を実現したことを示しています。
本論文は、対照的なクリーン・ノイズデータの不足やトレーサーの急速な動態といった課題を克服し、教師なし拡散モデル「DECADE」を用いて、Rb-82 心臓 PET 画像の時間的一貫性を保ちながらノイズを低減し、定量的な精度を維持する手法を提案しています。
この論文は、ハイブリッド RoBERTa エンコーダと大規模言語モデル（LLM）の予測レベルにおけるアンサンブル学習を組み合わせることで、多次元アスペクトベースの感情分析タスクにおける RMSE の大幅な削減と相関スコアの向上を達成したシステムを提案しています。
本論文は、ラベル付けされていない専門家動画からタスクの進捗を推定して報酬を学習し、敵対的更新と高速な JAX 基盤を統合することで、連続学習における忘却を抑制し、複雑な操作タスクの習得を可能にする「ProgAgent」という強化学習エージェントを提案しています。
本論文は、ネパールという未代表文化圏における大規模言語モデルの社会的バイアスを評価する「二重指標評価（DMBA）」フレームワークを提案し、明示的な同意バイアスと暗黙的な生成バイアスの間に強い相関がないこと、および温度パラメータやドメインによってバイアスの現れ方が異なることを実証しています。
本論文は、物理情報ニューラルネットワーク（PINN）に多ヘッド構造と主成分分析を組み合わせることで、粘性バース方程式の解空間を低次元の埋め込み空間として効率的に表現し、その物理的解釈性を保ちながら主要なダイナミクスを捉える手法を提案するものである。
この論文は、拡散モデルの生成プロセスを「編集」と見なし、画像の難易度に応じて大規模モデルと小規模モデルをピクセルおよびタイムステップレベルでハイブリッドに組み合わせることで、Stable Diffusion 3 において既存の手法を上回る 1.83 倍の高速化を実現する「HybridStitch」という新たな手法を提案しています。
本論文は、オンデマンド・マイクロトランジットのゾーニング問題を、候補ゾーンの個数制限ではなくグローバルな予算制約下で一般化し、列生成法と価格付けヒューリスティクスを用いて効率的に解く新たな枠組みを提案し、主要な米都市での数値実験によりその有効性を示しています。
本論文は、移動目標の勾配を計算することで半勾配法と競合する学習速度を実現し、Atari ゲームなど多様なベンチマークで勾配 TD 法の学習速度と安定性を両立させた「Gradient Iterated Temporal-Difference learning」を提案し、その有効性を示したものである。
この論文は、教育における AI 誤用を「検出」の問題ではなく、学習プロセスの可視性欠如という「測定」の問題として再定義し、監視ではなく透明性とプロセスの可視化を重視する「学習可視性フレームワーク」を提案しています。
本論文は、DistillGuard というフレームワークを用いて LLM の知識蒸留に対する出力レベルの防御策を体系的に評価した結果、現在の防御手法はタスク依存性が強く、特に単純な攻撃者に対しては広範な知識窃取を防ぐには不十分であることを示しています。