Contract And Conquer: How to Provably Compute Adversarial Examples for a Black-Box Model?
この論文は、ブラックボックスモデルに対して敵対的サンプルを数学的に保証付きで計算する「Contract And Conquer（CAC）」手法を提案し、知識蒸留と探索空間の収縮に基づいて、既存の最先端手法を上回る性能を ImageNet データセットで実証したものである。
🤖 Category
cs.AI
10822 件の論文
Repurposing Backdoors for Good: Ephemeral Intrinsic Proofs for Verifiable Aggregation in Cross-silo Federated Learning
この論文は、クロスシルオ連合学習における集約の完全性を保証するため、暗号学的証明に代わりモデルパラメータに埋め込まれた「本質的証明（Intrinsic Proofs）」を利用し、バックドア注入と忘却現象を巧みに組み合わせて、軽量かつ高速な検証可能な集約アーキテクチャを提案するものである。
RandMark: On Random Watermarking of Visual Foundation Models
本論文では、視覚基盤モデルの所有権検証を目的として、保持用データセットの内部表現にランダムなデジタル透かしを埋め込むエンコーダ・デコーダネットワークを提案し、理論的および実験的に、透かしが埋め込まれたモデルとそうでないモデルを高い精度で識別できることを示しています。
EvoSchema: Towards Text-to-SQL Robustness Against Schema Evolution
本論文は、データベーススキーマの進化がテキストから SQL への変換モデルの性能に与える影響を評価・改善するための包括的なベンチマーク「EvoSchema」を提案し、スキーマ変更の多様なタイプをシミュレートすることでモデルの堅牢性を向上させる道筋を示しています。
Structured Linked Data as a Memory Layer for Agent-Orchestrated Retrieval
この論文は、Schema.org マークアップやリンクトデータプラットフォームを活用した構造化されたエンティティページが、標準的およびエージェント駆動型の RAG システムにおいて、検索精度と回答品質を大幅に向上させることを実証しています。
AlphaFlowTSE: One-Step Generative Target Speaker Extraction via Conditional AlphaFlow
本論文は、混合音声から参照発話を用いて目標話者を抽出するタスクにおいて、従来の多ステップサンプリングの遅延や不安定な混合比予測を回避し、ヤコビアン・ベクトル積不要の条件付き AlphaFlow 手法を用いた単一ステップ生成モデル「AlphaFlowTSE」を提案し、話者類似性と ASR 性能の向上を実証したものである。
Probabilistic Verification of Voice Anti-Spoofing Models
この論文は、音声合成技術の悪用リスクに対処するため、既存の音声偽造検出モデルの頑健性を未踏の生成手法や入力摂動に対して確率的に検証し、誤分類確率の理論的上界を導出する新しい枠組み「PV-VASM」を提案するものである。
UAV traffic scene understanding: A cross-spectral guided approach and a unified benchmark
この論文は、悪天候や夜間などの過酷な環境下でも UAV による交通シーン理解を可能にするために、交通規制知識を視覚表現に統合する「CTCNet」という新しいネットワークと、光学・熱赤外画像の相補性を活用するモジュールを提案し、さらに大規模なマルチモーダルデータセット「Traffic-VQA」を構築して、既存の手法を大幅に上回る性能を実証したものです。
Towards Robust Speech Deepfake Detection via Human-Inspired Reasoning
本論文は、大規模音声言語モデルと人間が注釈したデータセットから導き出された推論を組み合わせた新たな音声ディープフェイク検出フレームワーク「HIR-SDD」を提案し、既存手法が抱える汎化性の欠如と解釈性の低さを解決するとともに、予測の根拠を人間が理解可能な形で提示することを可能にします。
CUPID: A Plug-in Framework for Joint Aleatoric and Epistemic Uncertainty Estimation with a Single Model
既存の深層学習モデルを再学習させることなく、任意の層にプラグインとして挿入可能な汎用モジュール「CUPID」を提案し、単一のモデルで確率的（Aleatoric）および認識論的（Epistemic）な不確実性を同時に推定し、その発生源を層ごとに解釈可能にする手法を提示しています。
Deep Randomized Distributed Function Computation (DeepRDFC): Neural Distributed Channel Simulation
この論文は、データサンプルのみを用いて自動エンコーダを設計し、通信負荷を削減しながら未知の目標分布と出力分布の総変動距離を最小化することで、共通乱数が限定的な状況でも強力な関数計算を保証する深層学習ベースの分散型関数計算フレームワーク「DeepRDFC」を提案しています。
Taking Shortcuts for Categorical VQA Using Super Neurons
この論文は、視覚言語モデルの生きた活性化値（スカラー値）を直接探ることで「スーパーニューロン」を発見し、これを用いることで従来のネットワークに比べて最大 5.10 倍の高速化を実現しつつ、カテゴリー別 VQA タスクの分類精度を向上させることを提案しています。
AI-Enhanced Spatial Cellular Traffic Demand Prediction with Contextual Clustering and Error Correction for 5G/6G Planning
この論文は、5G/6G のネットワーク計画において、空間的自己相関によるデータリークを軽減し、文脈を考慮した二段階分割戦略と残差空間誤差補正を組み合わせた AI フレームワークを提案し、カナダの主要都市での実証実験により予測精度の向上と信頼性の高い帯域幅割り当ての実現を立証したものです。
Towards Intelligent Spectrum Management: Spectrum Demand Estimation Using Graph Neural Networks
本論文は、公共の展開記録からスペクトル需要の代理指標を構築し、階層的マルチ解像度のグラフ注意ネットワーク（HR-GAT）を用いて微細な空間スケールでの需要を高精度に推定することで、無線ネットワークにおけるスペクトル共有と割り当てを支援する新しい手法を提案しています。
Risk-Adjusted Harm Scoring for Automated Red Teaming for LLMs in Financial Services
この論文は、金融サービス分野における大規模言語モデルのリスクを評価するために、ドメイン固有の有害事象分類、自動化された多ラウンドレッドチームング、およびリスク調整危害スコア（RAHS）を組み合わせた新しい評価フレームワークを提案し、単発のドメイン非依存評価の限界と、長期的な敵対的圧力下でのリスク感受性評価の必要性を明らかにしています。
Nurture-First Agent Development: Building Domain-Expert AI Agents Through Conversational Knowledge Crystallization
この論文は、ドメイン専門知識の暗黙的・流動的な性質に適合させるため、エージェントを構造化された対話を通じて段階的に育成し、対話から知識を構造化資産として凝縮する「Nurture-First Development（NFD）」という新たなパラダイムを提唱しています。
Protein Counterfactuals via Diffusion-Guided Latent Optimization
この論文は、拡散モデルを事前分布として用いた潜在空間最適化フレームワーク「MCCOP」を提案し、タンパク質の望ましい特性を達成するための最小かつ生物学的に妥当な変異を特定することで、機械学習モデルの解釈性とタンパク質設計の指針を提供するものである。
Speaker Verification with Speech-Aware LLMs: Evaluation and Augmentation
この論文は、既存の音声対応大規模言語モデル（LLM）が話者識別能力に欠けることを示し、ECAPA-TDNN の話者埋め込みを LoRA 経由で注入する軽量な拡張手法を提案することで、自然言語インターフェースを維持しつつ話者検証タスクで専用システムに匹敵する性能を達成したことを報告しています。
BALD-SAM: Disagreement-based Active Prompting in Interactive Segmentation
本論文は、大規模基盤モデルの推論コストを抑えつつ不確実性を定量化する新しい予測ヘッドを導入し、ベイズ能動学習の原理に基づいて最も情報量の多い領域を自動的に特定する「BALD-SAM」というフレームワークを提案し、多様なドメインにおいて人間やオラクルの指示を上回るインタラクティブセグメンテーション性能を実現したことを報告しています。
On the Reliability of Cue Conflict and Beyond
既存のシグナル競合ベンチマークが示すバイアス推定の不安定性や曖昧さを克服するため、明確な定義に基づくバランスの取れたデータセットと評価指標「REFINED-BIAS」を導入し、モデルの形状・テクスチャバイアスを信頼性高く診断可能な枠組みを提案する論文です。