GIT-BO: High-Dimensional Bayesian Optimization with Tabular Foundation Models
本論文は、Gaussian Process の再学習や仮定の脆弱性といった高次元問題に直面するベイズ最適化に対し、TabPFN v2 とモデルの勾配に基づく部分空間探索を組み合わせた「GIT-BO」を提案し、500 次元までの実問題を含む広範なベンチマークで既存手法を上回る性能と計算効率を実現したことを報告しています。
💻 Category
cs.CE
63 件の論文
EDINET-Bench: Evaluating LLMs on Complex Financial Tasks using Japanese Financial Statements
本論文は、日本の企業開示データ（EDINET）を用いて会計不正検出や収益予測などの高度な金融タスクを評価するオープンソースベンチマーク「EDINET-Bench」を提案し、最先端の LLM でも専門家の判断に迫る性能が得られていない現状を明らかにするとともに、より実務に近い環境での評価枠組みの必要性を提言しています。
AttnBoost: Retail Supply Chain Sales Insights via Gradient Boosting Perspective
本論文は、ノイズの多い小売データにおける需要予測の精度と解釈性を向上させるため、各ブースティングラウンドで特徴量の重要度を動的に調整する軽量アテンション機構を組み込んだ「AttnBoost」と呼ばれる新しい学習フレームワークを提案し、大規模データセットでの評価を通じてその有効性を示したものである。
FMint-SDE: A Multimodal Foundation Model for Accelerating Numerical Simulation of SDEs via Error Correction
本論文は、従来の数値積分器の精度と計算効率のトレードオフを克服し、多様な確率微分方程式（SDE）のシミュレーションにおいて、粗い解の系列を文脈学習で補正するマルチモーダル基盤モデル「FMint-SDE」を提案し、その高い汎用性と精度 - 効率の両立を実証するものである。
Zero-Knowledge Proof (ZKP) Authentication for Offline CBDC Payment System Using IoT Devices
この論文は、リソース制約のある IoT デバイスにおいて、安全要素（SE）と軽量ゼロ知識証明（ZKP）を組み合わせ、二重支払い防止やプライバシー保護を維持しながらオフライン CBDC 決済を可能にする新たなモデルを提案しています。
FedEMA-Distill: Exponential Moving Average Guided Knowledge Distillation for Robust Federated Learning
本論文は、非 IID データや敵対的クライアントが存在するフェデレーテッドラーニングにおいて、グローバルモデルの指数移動平均と公開プロキシデータセットを用いたアンサンブル知識蒸留を組み合わせる「FedEMA-Distill」を提案し、通信効率、収束速度、攻撃耐性の向上を実現することを示しています。
Capability Thresholds and Manufacturing Topology: How Embodied Intelligence Triggers Phase Transitions in Economic Geography
本論文は、身体性を持つ AI の能力閾値の突破が、100 年続いたフォード主義的な製造業の地理的・構造的なパラダイムを転換させ、労働集約型から機械最適環境や需要近接型へと経済地理を再編成する「身体性知能経済学」の確立を提唱するものである。
Can a Building Work as a Reservoir: Footstep Localization with Embedded Accelerometer Networks
この論文は、建物の床振動を物理的リザーバーコンピューターとして活用し、軽量なデータ処理パイプラインにより、再学習なしで異なる利用者にも対応可能な高精度な歩行位置推定を実現する新しい手法を提案しています。
Neuro-Symbolic Financial Reasoning via Deterministic Fact Ledgers and Adversarial Low-Latency Hallucination Detector
本論文は、LLM の計算能力不足やベクトル検索の曖昧さを克服し、厳密に型付けされた「ユニバーサル事実台帳」と「ダブルロック・グラウンディング」、さらに敵対的シミュレーションで訓練された低遅延検証モデル「VeNRA セントネル」を導入することで、金融分野におけるゼロ・ハルシネーションの推論を実現する「VeNRA」アーキテクチャを提案しています。
MOOSEnger -- a Domain-Specific AI Agent for the MOOSE Ecosystem
MOOSEnger は、RAG と決定論的検証ツールを組み合わせ、自然言語から MOOSE シミュレーション入力を生成・修正・実行するドメイン特化型 AI エージェントであり、LLM 単独のベースライン（0.08）と比較して実行成功率を 0.93 まで大幅に向上させることを示しています。
Set-Membership Localization via Range Measurements
本論文は、ノイズを含む距離測定値から未知点の位置を推定する問題に対し、未知但有界な誤差を仮定した集合メンバーシップ手法を適用し、非凸な一致集合を凸最適化を用いて効率的に外側から近似する手法を提案している。
Improved accuracy of continuum surface flux models for metal additive manufacturing melt pool simulations
本論文は、金属粉末床融合積層造形（PBF-LB/M）の溶融池シミュレーションにおいて、古典的な連続界面フラックス（CSF）モデルがもたらす誤差を解消し、計算コストを大幅に削減しながら高精度な温度場を予測するための新しいパラメータスケーリング CSF 手法を提案し、その有効性を 3 次元熱流体力学的多相問題のシミュレーションで実証したものである。
Sentiment-Aware Stock Price Prediction with Transformer and LLM-Generated Formulaic Alpha
本論文は、LLM を用いて自然言語の推論プロセスを伴う新しい数式アルファを自動生成し、これを特徴量としてトランスフォーマーなどの予測モデルに組み込むことで、株価予測の精度向上と解釈可能性の両立を実現する新たなフレームワークを提案しています。
Sentiment-Aware Mean-Variance Portfolio Optimization for Cryptocurrencies
この論文は、テクニカル指標と VADER および Google Gemini による感情分析を統合して期待収益率を推定し、制約付き平均分散最適化枠組みに組み込むことで、従来のベンチマークを上回るリスク調整後リターンを達成する暗号資産ポートフォリオ戦略を提案し、その有効性と市場ストレス下での課題を明らかにしています。
Adaptive Alpha Weighting with PPO: Enhancing Prompt-Based LLM-Generated Alphas in Quant Trading
本論文は、LLM が生成した公式アルファの重みを強化学習（PPO）を用いて動的に最適化し、市場環境の変化に適応することで、累積収益は限定的であるものの、シャープレシオの向上や最大ドローダウンの抑制を通じて、従来の戦略よりも安定したリスク調整後リターンを実現する手法を提案している。
Harmonic Analysis on Directed Networks via a Biorthogonal Laplacian Calculus for Non-Normal Digraphs
この論文は、非正規な有向グラフの非自己共役ラプラシアンに対して双直交基底を用いたフーリエ変換を定義し、固有ベクトル行列の条件数や非正規性の度合いを明示的に考慮した信号処理の理論的枠組みと安定性保証を構築するものです。
SpecBridge: Bridging Mass Spectrometry and Molecular Representations via Cross-Modal Alignment
本論文は、事前学習済み分子基盤モデルの潜在空間に質量分析スペクトルを直接対応させる「SpecBridge」という新しいフレームワークを提案し、既存の強固なニューラルネットワークベースラインと比較してトップ 1 検索精度を 20〜25% 向上させながら、学習パラメータ数を最小限に抑えた小分子同定手法を実現したことを示しています。
Learning-guided Kansa collocation for forward and inverse PDEs beyond linearity
この論文は、次元の呪いや高い計算コストといった既存の数値解法の課題を克服するため、CNF フレームワークを非線形・結合問題に拡張し、学習ガイド付きの Kansa colloc 法を用いて PDE の順問題・逆問題・方程式発見への適用可能性を調査・評価するものである。
Optimization of Cost Functions in Absolute Plate Motion Modeling
本論文は、絶対プレート運動モデル「optAPM」の性能向上を目的として、ホットスポットコスト関数の簡素化とホットスポットトレイルデータの事前補間を導入し、モデルの精度と信頼性を高めた新たな最適化手法を提案するものである。
MOOSE-Star: Unlocking Tractable Training for Scientific Discovery by Breaking the Complexity Barrier
既存の科学発見における LLM の直接学習が抱える組み合わせ爆発という数学的困難を、分解されたタスク学習、動機付け階層探索、および有界合成という 3 つの手法により対数複雑性にまで削減し、MOOSE-Star というフレームワークと大規模データセット TOMATO-Star を提案することで、実用的な訓練とスケーラブルな推論を可能にした。