A Graph-Based Approach to Spectrum Demand Prediction Using Hierarchical Attention Networks
この論文は、地理空間データを用いてスペクトル需要を予測し、空間的自己相関の問題を解決することで既存モデルより 21% 高い精度を達成する階層型アテンションネットワーク「HR-GAT」を提案し、5 つの主要カナダ都市でその有効性を実証したものである。
🤖 Category
cs.AI
2393 件の論文
Emerging Extrinsic Dexterity in Cluttered Scenes via Dynamics-aware Policy Learning
本論文は、複雑な環境における接触誘発ダイナミクスを明示的な世界モデルで学習し、これを強化学習に条件付ける「DAPL」フレームワークを提案することで、人手による接触ヒューリスティックや複雑な報酬設計なしに、乱雑な環境下での外因的巧緻性を実現する手法を提示しています。
LCA: Local Classifier Alignment for Continual Learning
この論文は、継続的学習におけるバックボーンと分類器の不一致を解消し、忘却を抑制して性能を向上させるために、新しい「局所分類器アライメント（LCA）」損失関数を提案し、モデルマージ手法と組み合わせた包括的な解決策を提示するものである。
Influencing LLM Multi-Agent Dialogue via Policy-Parameterized Prompts
この論文は、強化学習を用いずにプロンプトをパラメータ化された「行動」として扱いつつ、エージェントの状態に基づいて動的にプロンプトを構築する軽量な方策フレームワークを提案し、これによりマルチエージェント対話のダイナミクスを効果的に制御できることを示しています。
MSSR: Memory-Aware Adaptive Replay for Continual LLM Fine-Tuning
この論文は、逐次学習における大規模言語モデルの忘却を抑制しつつ適応性を維持するため、サンプルごとの記憶強度を推定し適応的にリハーサルをスケジュールする新しい経験再生フレームワーク「MSSR」を提案し、広範な実験で最先端の手法を上回る性能を実証したものである。
MedMASLab: A Unified Orchestration Framework for Benchmarking Multimodal Medical Multi-Agent Systems
本論文は、医療マルチエージェントシステムのアーキテクチャ断絶と標準化不足を解決するため、11 の異種アーキテクチャと 24 の医療モダリティを統合し、11 の臓器系・473 の疾患にわたる包括的なベンチマークと自動臨床推論評価機能を提供する統一フレームワーク「MedMASLab」を提案するものである。
AI-Enabled Data-driven Intelligence for Spectrum Demand Estimation
この論文は、ライセンスデータやクラウドソーシングデータなどの複数の代理指標を用いた AI・機械学習アプローチにより、5 つの主要カナダ都市で実測トラフィックデータと高い相関（R²=0.89）を示すスペクトル需要予測モデルを提案し、動的な周波数資源の効率的な配分と政策立案を支援することを目的としています。
Adaptive Clinical-Aware Latent Diffusion for Multimodal Brain Image Generation and Missing Modality Imputation
この論文は、利用可能な画像データと臨床メタデータを動的に統合し、GPT-4o による意味的ガイダンスを取り入れた適応型臨床意識潜在拡散モデル「ACADiff」を提案し、アルツハイマー病診断における多モダリティ脳画像の欠損補完と高品質な合成を実現したことを述べています。
Towards Flexible Spectrum Access: Data-Driven Insights into Spectrum Demand
本論文は、地理空間分析と機械学習を活用したデータ駆動型の手法を提案し、カナダの都市部におけるスペクトル需要の空間的変動を高精度に予測することで、6G ネットワークにおける柔軟なスペクトルアクセス政策の策定を支援することを目的としています。
PathMem: Toward Cognition-Aligned Memory Transformation for Pathology MLLMs
この論文は、人間の病理医の階層的記憶プロセスに着想を得て、構造化された専門知識を長期記憶として組織化し、マルチモーダルな記憶活性化と文脈依存の知識接地を通じて作業記憶へ動的に変換する「PathMem」という新しいフレームワークを提案し、病理学における多モーダル大規模言語モデルの推論精度と解釈可能性を大幅に向上させたことを報告しています。
No Image, No Problem: End-to-End Multi-Task Cardiac Analysis from Undersampled k-Space
この論文は、従来の「再構成後に解析」という非効率なパイプラインを回避し、 undersampled k-space データから直接生理学的ラベルを抽出するエンドツーエンドのマルチタスク学習フレームワーク「k-MTR」を提案し、大規模シミュレーションデータを用いてその有効性を実証したものである。
The Confidence Gate Theorem: When Should Ranked Decision Systems Abstain?
この論文は、推薦や臨床トリアージなどのランク付け意思決定システムにおいて、構造的な不確実性（データ欠如）と文脈的な不確実性（分布のシフト）を区別し、それぞれに適した信頼度信号を用いることで、自信に基づく棄却（abstention）が意思決定の質を単調に向上させるための条件を明らかにするとともに、分布シフト下での例外ラベルに基づく介入の有効性を否定する実証的診断手法を提案しています。
When Learning Rates Go Wrong: Early Structural Signals in PPO Actor-Critic
本論文は、PPO における学習率の不適切な設定が隠れ層ニューロンの活性化パターンに与える影響を「過学習・未学習指標（OUI）」で定量化し、トレーニング初期段階で学習率の良否を高精度に判定し不要な学習を早期に剪定できる手法を提案しています。
Towards a Neural Debugger for Python
この論文は、LLM をファインチューニングまたはゼロから学習させることで、ブレークポイント設定やステップ実行などの対話的制御を可能にする「ニューラルデバッガー」を提案し、CruxEval における高い性能と、将来的な自律型コーディングシステムにおける世界モデルとしての基盤性を示しています。
Think Before You Lie: How Reasoning Improves Honesty
この論文は、人間とは異なり大規模言語モデルにおいて推論プロセスが誠実さを高める効果をもたらすことを示し、その理由として欺瞞的な領域が不安定であり、推論による表現空間の探索がより安定した誠実なデフォルト状態へとモデルを導くことを発見したことを報告しています。
BEACON: Language-Conditioned Navigation Affordance Prediction under Occlusion
この論文は、家具や人間による遮蔽領域を含む局所領域の移動可能性を推定するために、視覚言語モデルに空間的手がかりを組み込み、周囲の RGB-D 観測からオクルージョンに強い鳥瞰図（BEV）の affordance 熱地図を生成する「BEACON」という手法を提案し、最先端の画像空間ベースラインを大幅に上回る精度を達成したことを示しています。
Emotional Modulation in Swarm Decision Dynamics
この論文は、感情価と覚醒度が相互作用率を調節するエージェントベースモデルを提案し、蜂の方程式を拡張することで、集団意思決定における感情の伝染や非線形増幅が合意形成の速度や結果に与える影響を明らかにしたものである。
Understanding the Use of a Large Language Model-Powered Guide to Make Virtual Reality Accessible for Blind and Low Vision People
この論文は、16 人の視覚障害者（盲および弱視）を対象とした研究を通じて、大規模言語モデル（LLM）を活用した AI 案内者が、ユーザーが単独でいる際は「道具」として、他者がいる際は「同伴者」として扱われることを明らかにし、VR 環境におけるアクセシビリティ向上のための設計指針を提示したものである。
From Data Statistics to Feature Geometry: How Correlations Shape Superposition
この論文は、従来の超位置（superposition）の理解が不十分な現実的なデータにおいて、特徴間の相関を考慮した「Bag-of-Words 超位置（BOWS）」モデルを提案し、相関する特徴が干渉を構築的に利用して意味的なクラスタや循環構造を自然に形成することを示しています。
Online Neural Networks for Change-Point Detection
この論文では、大規模な時系列データに対して線形計算量で実行可能かつ最適解への収束が証明された、ニューラルネットワークとオンライン学習に基づく 2 つの新しい変化点検出手法を提案し、既存の手法を上回る性能を実証するとともに、オフライン手法よりも優れる条件を明らかにしています。