2393 件の論文
この論文は、PhoBERT や Vision Transformer などの事前学習済みトランスフォーマーを活用し、大規模な自動構築データセット「AutoViVQA」を提案するとともに、多言語環境における自動評価指標と人間の判断との整合性を検証するベトナム語の視覚的質問応答（VQA）研究について述べています。
本論文は、既存のタスク指向対話モデルが特定のデータセットに依存する課題を解決するため、LLM のフルパラメータ微細化と指示・スキーマの両方のアライメント機構を導入し、低リソース環境やノイズに対する頑健性と汎用性を大幅に向上させた統合エンドツーエンドフレームワーク「ESAinsTOD」を提案するものである。
RLHF における高コストな選好データ収集の課題を解決するため、不確実性推定と新しい探索手法を用いて最も有益な回答を動的に特定するアクティブラーニングパイプライン「ActiveUltraFeedback」を提案し、従来の手法の 6 分の 1 のデータ量で同等以上の性能向上を実現したことを示しています。
本論文は、Muon 最適化アルゴリズムが抱く等方的な制約の限界を克服し、Shampoo 由来の統計量を用いた曲率感知の事前条件付けを導入することで、大規模言語モデルの学習効率を大幅に向上させる新しい最適化手法「Mousse」を提案する。
本論文は、マルチモーダル大規模言語モデルの安全性評価を「有害な意図」から「隠れた結果」へと転換し、因果的盲点を克服するために新しいベンチマーク「OOD-MMSafe」と、動的な自己蒸留報酬を用いた「CASPO」フレームワークを提案するものである。
本論文は、複数の音声入力に対する大規模音声言語モデルの理解能力を評価する包括的ベンチマーク「MUGEN」を提案し、入力数の増加に伴う性能低下という根本的な課題を明らかにするとともに、音声の順序を多様化するトレーニング不要の手法が精度向上に有効であることを示しています。
本論文は、質問の有無による回答妥当性の評価変化を測定することで、高品質なマルチモーダルデータをトレーニングなしで選別し、視覚言語大規模モデルの学習効率と性能を向上させる「CVS」という手法を提案しています。
この論文は、進化する認知、オンザフライの文脈判断、弾力的なメモリ編成の 3 つの主要コンポーネントを統合し、外部再学習なしに経験から学習しながら動的環境で適応的な意思決定を可能にする自律型エージェントフレームワーク「AutoAgent」を提案し、その有効性を示したものです。
この論文は、査読者のコメントが著者によってどのように修正や反論に結びついたかを示す「反論（rebuttal）」を教師信号として活用し、LLM が具体的かつ実行可能な査読フィードバックを生成するための新しい手法「RbtAct」と大規模データセット「RMR-75K」を提案し、その有効性を示したものである。
この論文は、実世界の一人称視点動画から構築された新しいベンチマーク「EXPLORE-Bench」を提案し、マルチモーダル大規模言語モデルが長期的な物理的帰結を推論する能力に依然として大きな課題があることを示すとともに、段階的推論による性能向上の可能性と計算コストのトレードオフを分析しています。
この論文は、大規模視覚言語モデルの内部アテンション機構から対象概念を主に表す視覚トークンを抽出してメモリとして活用する効率的な手法「Ego」を提案し、追加学習や外部モジュールなしで単一・複数概念および動画の個人化において最先端の性能を達成することを示しています。
生物の空間認知メカニズムに着想を得たトレーニング不要のツール「World2Mind」は、3D 再構成と楕円パラメータを用いたアロセントリック空間木（AST）の構築により、マルチモーダル基盤モデルの空間推論能力を大幅に向上させ、テキストのみのモデルでも高度な 3D 空間推論を可能にします。
本論文は、シミュレーションベース推論（SBI）を用いてニュートリノ事象生成器 GENIE のモデルパラメータを推定する手法を検証し、MicroBooNE 実験データに基づく従来手法と比較してわずかに異なるパラメータ値を導き出し、異なるシミュレーションコード（NuWro）の近似も可能であることを示した。
この論文は、大規模言語モデルが外部化せずに推論を行う可能性の限界を定量化する新概念「不透明な直列深さ」を提案し、Gemma 3 モデルや MoE 構造などのアーキテクチャに対する数値的上限を計算する自動化手法を開示することで、モデルが外部化されていない推論を行う潜在的な能力を評価する枠組みを提供しています。
本論文は、LSTM と量子回路ボーンマシン（QCBM）を統合したハイブリッド量子古典フレームワークを提案し、上海証券取引所などの実データを用いた実験で、従来の古典モデルを上回る金融市場ボラティリティ予測精度を達成したことを示しています。
この論文は、スプリット学習における通信オーバーヘッドを削減するため、ラベル情報を活用してチャネルの重要度を評価し、重要度の低いチャネルを適動的に剪定して中間特徴データを圧縮する「ACP-SL」という新しい手法を提案し、その有効性を示したものです。
本論文は、CERN の CMS 実験など大規模科学コラボレーションにおける機密性を保ちつつ、内部ドキュメントから高精度に知識を抽出・回答するためのオンプレミス型 RAG ベースの AI アシスタント「MITRA」のプロトタイプとその評価結果を提示しています。
本論文は、偏微分方程式の数値解法におけるマルチグリッド法に着想を得た軽量な修正モジュール「疑似射影体」を提案し、トランスフォーマーベースのモデルに組み込むことでノイズへの感度を低減し、学習の安定性とロバスト性を向上させることを実証しています。
本論文は、複数の具象化エージェントから同時に収集された長時間の第一人称視点動画を理解する新たな課題を定義し、その評価のためのベンチマーク「MA-EgoQA」と、エージェント間の共有メモリと動的検索を活用するベースラインモデル「EgoMAS」を提案しています。
この論文は、アクセシビリティ技術や産業用ノイズ監視のニーズに基づき、音声認識を超えた背景音の理解や雑音の局所化など多様な音声理解能力を評価する新しいベンチマーク「SCENEBench」を提案し、最先端の大型音声言語モデルの現状と課題を明らかにしたものである。