2385 件の論文
本論文は、エッジコンピューティング環境におけるフェデレーテッドラーニングの手法を体系的にレビューし、SCAFFOLD や FedAvg などの主要アルゴリズムを精度や通信効率などの観点からベンチマーク評価することで、データ異質性やエネルギー制約といった課題を明らかにし、将来の研究指針を提示している。
この論文は、クラウド依存の遅延や信頼性課題を克服し、EV 充電インフラの故障を自律的に解決するために、エッジ環境に配置された AI エージェント「Auralink SDC」のアーキテクチャと実装、およびその高い解決率と低遅延性能を提示するものです。
この論文は、感度に基づく剪定メカニズムを活用して量子化と剪定を組み合わせることで、リザーバーコンピューティングのハードウェア効率を大幅に向上させながら精度を維持する圧縮フレームワークを提案し、FPGA 実装における検証結果を示しています。
この論文は、深層学習の需要増大に伴う計算リソースの課題に対し、ASIC や GPU の限界を補完する柔軟性と高効率を兼ね備えた FPGA ベースの AI アクセラレータの設計手法、最適化技術、および現状の課題と将来展望を包括的にレビューしたものである。
本論文は、推論中の KV キャッシュによるメモリボトルネックを解決し、大規模数学的推論タスクにおいてフル KV 推論エンジンと同等の性能の約 95% を維持しつつ 2.1 倍以上の高速化を実現する、トークン単位の KV キャッシュ削除と PagedAttention を組み合わせた「Compressed PagedAttention」および高並列 LLM 推論エンジン「Zipage」を提案するものである。
本論文は、Qwen2.5 の 3 つのモデルサイズを対象に MXFP4 と NVFP4 形式を用いた層別・ブロック別の感度分析を行い、MLP のアップ/ダウン投影層が最も感度が高く、感度の高いブロックは最終層に限定されず初期層にも存在し得ることを明らかにした。
本論文は、多変量時系列の交換性を保証する理論的枠組みに基づき、変数間の順序依存性を排除し、局所ダイナミクスとグローバルな相互作用に分解することで、予測・分類・異常検出において最先端の性能と構造的なスケーラビリティを実現する「VI 2D Mamba」という新しいアーキテクチャを提案しています。
この論文は、長期タスクにおけるスパースな報酬によるクレジット割り当ての課題を解決するため、LLM 自体を事後批評として活用してステップレベルの Q 値を精緻化する「HCAPO」という新しいフレームワークを提案し、WebShop や ALFWorld などのベンチマークにおいて既存の GRPO 法を上回る性能向上を実現したことを報告しています。
本論文は、大規模言語モデルによる推論を型安全なプリミティブとして統合し、信頼性、隔離、永続性を言語レベルで保証する、自律的エージェント向けコンパイル型プログラミング言語「Turn」の設計と実装を提案しています。
本論文は、群が空間に推移的に作用する際、上の不変関数がの isotropy 部分群がに作用する不変関数に還元可能であることを示し、これにより任意の群作用と均質な条件空間に対応する等変ニューラルフィールドの構造的制約を解消する手法を提案しています。
この論文は、ポップス向けに設計された既存モデルでは性能が不十分だった電子ダンスミュージック（EDM）の構造セグメンテーション課題に対し、EDM 特有のエネルギーやリズムの変化に焦点を当てた自己教師あり学習と専門データセット「EDM-98」を活用したトランスフォーマーモデル「EDMFormer」を提案し、特にドロップやビルドアップの検出精度を大幅に向上させたことを報告しています。
この論文は、航空宇宙や原子力などの安全クリティカルな産業で培われた保証手法の教訓を Frontier AI の安全性ケースに適用し、現在のアライメント研究の限界を克服して、より堅牢で防御可能な安全性評価の基盤を再構築することを目的としています。
この論文は、複雑な意思決定問題を自然な階層構造で圧縮し、スキルベースのカリキュラム学習を通じてタスクを分解・転移させることで、効率的な多レベルメタ強化学習を実現する手法を提案しています。
この論文は、大規模言語モデル（LLM）を活用して、超伝導量子ビットの制御と測定を自動化し、標準プロトコルの迅速な展開や新規実験手順の実装を可能にするフレームワークを提案し、共振器特性評価や量子非破壊測定の実証を通じてその有効性を示したものである。
この論文は、エージェントのプロンプトを「コンパイルされた成果物」と見なす「テスト駆動型 AI エージェント定義（TDAD）」手法を提案し、可視/非可視テストの分割や意味的変異テストなどのメカニズムを通じて、ツールを使用する LLM エージェントの仕様ゲーミングを防止し、本番環境での行動準拠性を測定可能にするアプローチを示しています。
本論文は、大規模言語モデル（LLM）と記号プランナーを組み合わせ、環境からタスクに関連する情報のみを抽出して計画の複雑さを軽減する「Scale-Plan」フレームワークと、その評価用の新ベンチマーク「MAT2-THOR」を提案し、異種多ロボットチームにおける長期的タスク計画の拡張性と信頼性を向上させたものである。
この論文は、TREC NeuCLIR 2024、TREC RAG 2024、WikiVideo などのベンチマークを用いた実証研究を通じて、検索段階の「カバレッジ」指標が生成された回答の情報網羅性を予測する信頼性の高い先行指標となり得ることを示し、特に検索と生成の目的が一致する際にその相関が顕著であることを明らかにしています。
この論文では、自然言語による指示制御、マルチスピーカー・マルチターン生成に対応し、高品質なストリーミング推論を実現するオープンソースの音声合成システム「Fish Audio S2」およびそのトレーニング手法とリソースの公開について紹介しています。
この論文は、トランスフォーマーなどの高表現力なバックボーンに依存する従来のアプローチを見直し、残差接続を備えたモジュール型メッセージパスフレームワーク「GenGNN」を提案することで、離散グラフ生成において高い有効性を維持しつつ推論速度を大幅に向上させることを実証しています。
この論文は、LLM ベースのマルチエージェントシステムの評価においてモデルだけでなくシステム全体の構成要素（トポロジーやオーケストレーションなど）を包括的に評価する新しいフレームワーク「MASEval」を提案し、フレームワークの選択がモデルの選択と同様に性能に大きな影響を与えることを示しています。