An AI-powered Bayesian Generative Modeling Approach for Arbitrary Conditional Inference
本論文は、任意の条件付き推論を可能にするため、単一の生成モデルを学習し事後予測区間による不確実性を定量化する「ベイズ生成モデル（BGM）」という新しい枠組みを提案し、その収束性と統計的整合性などの理論的保証を示したものです。
🤖 Category
cs.AI
2198 件の論文
Empowering All-in-Loop Health Management of Spacecraft Power System in the Mega-Constellation Era via Human-AI Collaboration
この論文は、衛星メガコンステレーション時代における宇宙機電源システムの包括的健康管理を実現するため、人間と AI の協調（HAIC）フレームワーク「SpaceHMchat」を提案し、ハードウェア実機による検証と初の公開データセットの提供を通じてその有効性を立証したものです。
CLEAR-Mamba:Towards Accurate, Adaptive and Trustworthy Multi-Sequence Ophthalmic Angiography Classification
本論文は、FFA と ICGA の両方の眼科血管造影画像に対して、ハイパーネットワークに基づく適応的条件付け層（HaC）と証拠的不確実性学習に基づく信頼性予測スキーム（RaP）を導入した CLEAR-Mamba を提案し、既存手法を上回る汎用性と信頼性を実現したものである。
Automating Forecasting Question Generation and Resolution for AI Evaluation
この論文は、LLM 駆動の Web 研究エージェントを用いて、人間によるキュレーションを上回る品質で多様な予測質問を自動生成・解決し、AI 予測モデルの評価と予測精度の向上を実現するシステムを提案するものである。
From Self-Evolving Synthetic Data to Verifiable-Reward RL: Post-Training Multi-turn Interactive Tool-Using Agents
この論文は、自己進化型合成データ生成エンジン「EigenData」と検証器に基づく強化学習を組み合わせた統合フレームワークを提案し、高品質な多ターン対話ツール利用データの自動生成と効率的な学習を実現することで、人手を介さずに複雑なツール利用行動をスケーラブルに習得できることを示しています。
UAT-LITE: Inference-Time Uncertainty-Aware Attention for Pretrained Transformers
本論文は、事前学習済みトランスフォーマーの重みを修正することなく、モンテカルロドロップアウトを用いてアテンション機構にエピステミック不確実性を組み込む「UAT-LITE」を提案し、分布外データにおける選択的予測性能の向上と予測の不確実性の改善を実現するものです。
WebAccessVL: Violation-Aware VLM for Web Accessibility
この論文は、WCAG2 の違反を検知し、元のデザインを維持しながら HTML を自動修正する「WebAccessVL」という視覚言語モデルを提案し、その手法が既存モデルを大幅に上回る高い精度でウェブサイトのアクセシビリティを改善できることを実証しています。
Why do we Trust Chatbots? From Normative Principles to Behavioral Drivers
この論文は、チャットボットへの信頼が規範的な信頼性ではなく、認知バイアスを巧みに利用した設計によって形成される「営業職」的な側面に基づいていることを指摘し、心理的信頼と規範的信頼性の混同を解きほぐすための研究と支援の必要性を提唱しています。
Monocular Normal Estimation via Shading Sequence Estimation
この論文は、単一画像からの法線推定における 3 次元位置の不一致問題を解決するため、法線推定を画像生成モデルを用いたシェーディングシーケンス推定として再定義し、合成データで学習した RoSE という手法を提案し、実世界ベンチマークで最先端の性能を達成したことを報告しています。
Infusion: Shaping Model Behavior by Editing Training Data via Influence Functions
この論文は、インフルエンス関数を用いてトレーニングデータに微小な編集を加えることで、モデルの動作を意図的に誘発・制御する「Infusion」というフレームワークを提案し、画像および言語タスクにおいてその有効性とアーキテクチャ間での転移性を示しています。
Energy-Aware Spike Budgeting for Continual Learning in Spiking Neural Networks for Neuromorphic Vision
この論文は、経験再生、学習可能なリーキー・インテグレート・アンド・ファイア（LIF）ニューロンパラメータ、および適応型スパイクスケジューラを統合したエネルギー意識スパイク予算枠組みを提案し、フレームベースおよびイベントベースの両方のデータセットにおいて、精度向上とエネルギー効率の最適化を同時に実現するスパイクニューラルネットワークの継続学習手法を開発したものである。
B-DENSE: Branching For Dense Ensemble Network Supervision Efficiency
この論文は、拡散モデルの推論遅延を軽減しつつ中間軌道の構造情報を保持するために、教師の軌道の各離散ステップに対応する複数のブランチを備えた学生モデルを提案し、密な軌道アライメントを通じて生成品質を向上させる「B-DENSE」と呼ばれる新しいフレームワークを紹介しています。
Contextuality from Single-State Ontological Models: An Information-Theoretic No-Go Theorem
この論文は、複数の介入に対して単一のオントロジー状態空間を再利用する古典的モデルが、文脈依存性を完全に記述するために追加の文脈情報が必要となるという情報理論的な不可能定理を証明し、量子理論がこの制約を回避する仕組みを明らかにしています。
Continual uncertainty learning
この論文は、複数の不確実性を段階的に学習するカリキュラム学習フレームワークとモデルベース制御を組み合わせた新たな手法を提案し、自動車パワートレインの能動振動制御における非線形動特性や変動に対する頑健な制御とシミュレーションから実機への転移を実現したことを示しています。
ReDON: Recurrent Diffractive Optical Neural Processor with Reconfigurable Self-Modulated Nonlinearity
従来の回折光学ニューラルネットワークの限界を克服するため、GLU に着想を得た再構成可能な自己変調非線形性と再帰的アーキテクチャを統合し、極めて低い電力消費で高精度な光学計算を実現する「ReDON」と呼ばれる新しい光学ニューラルプロセッサが提案されています。
Breaking the Factorization Barrier in Diffusion Language Models
本論文は、拡散言語モデルが抱える「因数分解の壁」を、Transformer の出力分布を完全な因数分解から軽量な確率的推論層へ置き換える「結合離散拡散（CoDD）」というハイブリッド枠組みによって打破し、低コストかつ低遅延で高品質な並列生成を実現することを提案しています。
OrthoAI: A Neurosymbolic Framework for Evidence-Grounded Biomechanical Reasoning in Clear Aligner Orthodontics
本論文は、sparse 教師ありセグメンテーション、知識に基づく制約推論、多基準意思決定分析という 3 つの手法を統合したニューロ記号フレームワーク「OrthoAI」を提案し、マウスピース矯正における 3D 歯のセグメンテーションと生体力学的妥当性の推論を自動化するものである。
Zero-Shot and Supervised Bird Image Segmentation Using Foundation Models: A Dual-Pipeline Approach with Grounding DINO~1.5, YOLOv11, and SAM~2.1
この論文は、Grounding DINO 1.5 と YOLOv11 を検出器として、Segment Anything Model 2.1（SAM 2.1）を共有バックボーンに用いた二重パイプライン手法を提案し、鳥の画像セグメンテーションにおいてゼロショットおよび教師あり学習の両方で従来の手法を上回る性能を達成したことを報告しています。
Pri4R: Learning World Dynamics for Vision-Language-Action Models with Privileged 4D Representation
この論文は、トレーニング時に特権的な 4 次元情報（3D 点の軌跡予測）を活用して VLA モデルに物理的な世界動態の理解を付与する「Pri4R」を提案し、推論時のオーバーヘッドなしにロボット操作タスクの性能を大幅に向上させることを示しています。
Reasoning as Gradient: Scaling MLE Agents Beyond Tree Search
本論文は、LLM の推論能力の向上に伴い、従来の木探索よりも効率的な勾配ベースの最適化パラダイムを採用した MLE エージェント「Gome」を提案し、MLE-Bench で最先端の性能を達成するとともに、モデルの推論能力が高まるにつれて勾配ベースのアプローチが木探索を上回ることを実証しています。