4531 件の論文
本論文は、医療データにおけるプライバシー漏洩リスクに対処するため、医療概念の階層構造と幾何学的制約を統合し、特定知識の効率的な忘却と汎用医療能力の維持を両立させる階層的二重戦略のアンラーニング手法を提案し、MedMCQA や MHQA などのデータセットで高い忘却率と知識保持率を達成したことを示しています。
この論文は、SEC 提出書類や傷害報告などの業界標準データを Isaac Sim の物理シミュレーションと統合し、タスク成功だけでなく実世界の経済的採算性を評価する初の物理ベースのベンチマーク「CostNav」を提案し、既存の 7 つのナビゲーション手法がいずれも経済的に成立していないことを示しています。
この論文は、現実の環境で生じる局所的な対称性の破れによる誤差伝播を抑制しつつ、対称性の利点を維持するために、対称性が保たれる領域とそうでない領域でベルマンバックアップを適応的に使い分ける「部分的に不変な MDP（PI-MDP）」の枠組みと、それに基づく効率的で頑健な強化学習アルゴリズム（PE-DQN、PE-SAC）を提案し、多様なベンチマークでその有効性を示しています。
この論文は、特定のタスクに最適化されたロボットの手の形状と制御ポリシーを同時に学習する共設計フレームワークを提案し、シミュレーションから実機への製造・展開までを 24 時間以内に完了させるエンドツーエンドのパイプラインを実現しています。
この論文は、表面符号とカラーコードの両方において、実用的なノイズ条件下で近最適な論理誤り率を達成し、商用アクセラレータ上で 1 マイクロ秒未満のリアルタイムデコーディングを実現するニューラルネットワークデコーダ「AlphaQubit 2」を開発したことを報告しています。
この論文は、フラグメントベースの言語モデル、強化学習、モンテカルロ木探索を統合した「Trio」というフレームワークを提案し、既存の手法を凌駕する結合親和性、薬物様性、合成容易性、および分子多様性を備えた解釈可能な閉ループ型分子発見を実現することを示しています。
この論文は、異なる環境間で最大リスクを最小化する（MaxRM）という原則に基づき、平均二乗誤差、負の報酬、後悔の 3 つのリスク指標に対応するランダムフォレストの新しい変種を提案し、その計算効率性、統計的整合性、および未見のテスト分布に対する保証を実証しています。
この論文は、人間型ロボットの効率的な制御を実現するために、固有知覚と特権状態の相補性を活用した対比学習フレームワーク「PvP」と、その評価を支援する初の統一モジュール枠組み「SRL4Humanoid」を提案し、実機実験で既存手法を上回るサンプル効率と性能を実証したものである。
本論文は、多様な電池データから転移可能な表現を学習する「事前学習済みバッテリー・トランスフォーマー（PBT）」という基礎モデルを初めて提案し、リチウムイオン、ナトリウムイオン、亜鉛イオン電池を含む広範なデータセットにおいて、既存の最良手法を大幅に上回る電池寿命予測性能を達成したことを報告しています。
本論文は、IR および NMR 分光データから分子構造を直接推定する、2 段階の生成フレームワーク「NMIRacle」を提案し、既存の手法を上回る精度と複雑な分子に対する頑健性を示したことを報告しています。
この論文は、全結合・畳み込み・アテンションを含む多様なニューラルネットワークにおいて、勾配降下法が鞍点から鞍点へ遷移するダイナミクスを通じて、表現に必要な隠れユニット数（ランク、カーネル数、アテンションヘッド数など）が時間とともに増加する「単純性バイアス」が生じることを統一的に説明する理論的枠組みを提示しています。
この論文は、自然画像とは異なるアニメ風景の低照度環境におけるデータ不足と不確実性に対処するため、相対的GANの概念を応用して照明の不確実性を定量化・活用する「データ相対的不確実性（DRU）フレームワーク」を提案し、既存手法を上回る視覚的・審美的な画質向上を実現したことを示しています。
本論文は、真の事後分布が既知で記憶化が不可能な「ベイズ風洞」と呼ばれる制御環境を構築し、トランスフォーマーがアーキテクチャの幾何学的設計（残差ストリーム、フィードフォワードネットワーク、アテンションの役割分担）によって厳密にベイズ推論を実現することを示し、これが平坦なアーキテクチャとの決定的な違いであることを明らかにした。
本論文は、クロスエントロピー損失による勾配降下法がアテンションスコアと値ベクトルを共進化的に更新するメカニズムを解析し、これが変分推論的な EM 手順に相当する動的過程を通じて、トランスフォーマーがベイズ推論を実行するための低次元多様体を形成することを明らかにしています。
本論文は、小規模な「風洞」設定で確立されたベイズ推論の幾何学的基盤（低次元多様体や確率的エントロピーと相関する軸）が、Pythia や Llama-3 などの大規模言語モデルにおいても保存されており、不確実性の読み取りに寄与しているが、単一の層への介入だけでベイズ的な挙動が決定的に阻害されるわけではないことを示しています。
この論文は、パナスネット（PanSubNet）と呼ばれる解釈可能な深層学習フレームワークを開発し、標準的なヘマトキシリン・エオシン染色の病理画像から膵がんの分子サブタイプを直接予測することで、コストや時間のかかる遺伝子解析に代わる臨床実用可能なツールを提供することを報告しています。
この論文は、検索拡張大規模言語モデルにおける不要な検索（オーバーサーチ）の問題を体系的に評価し、その新たな評価指標「Tokens Per Correctness」や軽減策、および関連データセット「OverSearchQA」を提案する研究です。
この論文は、線形確率補間に基づく確率流 ODE を用いて非正規化ボルツマン分布からサンプリングする新規手法を提案し、中間時刻におけるランジュバン・サンプラーの活用と速度場推定によって、多峰性分布やベイズ推論タスクにおける効率的なサンプリングと理論的な収束保証を実現したものである。
この論文は、生成モデルを事前分布として用いる逆問題に対して、Wasserstein 距離に基づく事前分布の誤差が事後分布の誤差率にどのように伝播するかを定量的に解析し、数値実験でその有効性を検証するものである。
この論文は、Hahn 多項式に基づく学習可能な活性化関数を用いた Hahn-KAN（HaKAN）を提案し、変換器の計算量制限や MLP のスペクトルバイアスを克服しながら、多変量時系列予測において最先端の手法を上回る軽量かつ解釈可能なモデルを実現したことを述べています。