Hebbian-Oscillatory Co-Learning
本論文は、双曲的疎な幾何学と発振器ベースの注意機構を統合し、位相同期によってシナプス可塑性を制御する「ヘッビアン発振共学習（HOC-L）」という新しい枠組みを提案し、その収束性と計算効率の理論的保証を示すものである。
🤖 Category
cs.LG
5046 件の論文
Autonomous Edge-Deployed AI Agents for Electric Vehicle Charging Infrastructure Management
この論文は、クラウド依存の遅延や信頼性課題を克服し、EV 充電インフラの故障を自律的に解決するために、エッジ環境に配置された AI エージェント「Auralink SDC」のアーキテクチャと実装、およびその高い解決率と低遅延性能を提示するものです。
Sensitivity-Guided Framework for Pruned and Quantized Reservoir Computing Accelerators
この論文は、感度に基づく剪定メカニズムを活用して量子化と剪定を組み合わせることで、リザーバーコンピューティングのハードウェア効率を大幅に向上させながら精度を維持する圧縮フレームワークを提案し、FPGA 実装における検証結果を示しています。
The AetherFloat Family: Block-Scale-Free Quad-Radix Floating-Point Architectures for AI Accelerators
この論文は、AI 推論におけるブロックスケーリング回路の必要性を排除し、IEEE 754 標準に比べて面積・消費電力・遅延を大幅に削減する「AetherFloat」と呼ばれる新しい浮動小数点アーキテクチャファミリーを提案し、特に 8 ビット形式（AF8）がブロックスケーリング不要な形式として機能し、16 ビット形式（AF16）が bfloat16 の代替として機能することを示しています。
Robust Parameter and State Estimation in Multiscale Neuronal Systems Using Physics-Informed Neural Networks
この論文は、従来の数値解法では困難であった非線形性やマルチスケールダイナミクスを持つニューロンモデルにおいて、物理情報ニューラルネットワーク（PINN）を用いて不完全かつノイズの多い電位観測データから生体物理パラメータと非観測状態変数を同時に高精度に推定する堅牢な手法を提案し、その有効性を示したものである。
Permutation-Equivariant 2D State Space Models: Theory and Canonical Architecture for Multivariate Time Series
本論文は、多変量時系列の交換性を保証する理論的枠組みに基づき、変数間の順序依存性を排除し、局所ダイナミクスとグローバルな相互作用に分解することで、予測・分類・異常検出において最先端の性能と構造的なスケーラビリティを実現する「VI 2D Mamba」という新しいアーキテクチャを提案しています。
Hindsight Credit Assignment for Long-Horizon LLM Agents
この論文は、長期タスクにおけるスパースな報酬によるクレジット割り当ての課題を解決するため、LLM 自体を事後批評として活用してステップレベルの Q 値を精緻化する「HCAPO」という新しいフレームワークを提案し、WebShop や ALFWorld などのベンチマークにおいて既存の GRPO 法を上回る性能向上を実現したことを報告しています。
Generalized Reduction to the Isotropy for Flexible Equivariant Neural Fields
本論文は、群が空間に推移的に作用する際、上の不変関数がの isotropy 部分群がに作用する不変関数に還元可能であることを示し、これにより任意の群作用と均質な条件空間に対応する等変ニューラルフィールドの構造的制約を解消する手法を提案しています。
On the Formal Limits of Alignment Verification
この論文は、AI アライメントの検証が「健全性」「一般性」「計算効率性」の 3 つの性質を同時に満たすことは不可能であり、いずれかの妥協が必要であることを示す「トリレンマ」を証明し、実用的な保証が可能な領域を特定している。
SPREAD: Subspace Representation Distillation for Lifelong Imitation Learning
この論文は、低次元部分空間における特異値分解を用いた幾何学的構造の保持と、高信頼度サンプルに焦点を当てた蒸留戦略を導入することで、カタストロフィック・フォージングを抑制し、生涯模倣学習における知識転移と性能を飛躍的に向上させる「SPREAD」と呼ばれるフレームワークを提案しています。
Micro-Diffusion Compression -- Binary Tree Tweedie Denoising for Online Probability Estimation
この論文は、適応統計モデルの予測確率をバイアスから補正し、圧縮効率を向上させるために、バイナリ木構造を用いた微拡散去雑音層をオンライン圧縮システム「Midicoth」に統合した手法を提案するものである。
Multi-level meta-reinforcement learning with skill-based curriculum
この論文は、複雑な意思決定問題を自然な階層構造で圧縮し、スキルベースのカリキュラム学習を通じてタスクを分解・転移させることで、効率的な多レベルメタ強化学習を実現する手法を提案しています。
The Temporal Markov Transition Field
本論文は、非定常な時系列データにおいて従来のマルコフ遷移場（MTF）が持つ動的レジームの時間的変化の情報を失うという課題を解決するため、時系列を複数の時間的チャンクに分割して局所的な遷移行列を推定し、各チャンクのダイナミクスを反映した新しい画像表現「Temporal Markov Transition Field（TMTF）」を提案し、その定義、性質、数値例、バイアス - バランスのトレードオフ、および幾何学的解釈を体系的に論じています。
SoftJAX & SoftTorch: Empowering Automatic Differentiation Libraries with Informative Gradients
本論文は、JAX および PyTorch における硬い演算の勾配問題を解決し、最適化に有用な滑らかな勾配を提供するオープンソースライブラリ「SoftJAX」と「SoftTorch」を提案し、その実用性をベンチマークとケーススタディで実証したものである。
Are Expressive Encoders Necessary for Discrete Graph Generation?
この論文は、トランスフォーマーなどの高表現力なバックボーンに依存する従来のアプローチを見直し、残差接続を備えたモジュール型メッセージパスフレームワーク「GenGNN」を提案することで、離散グラフ生成において高い有効性を維持しつつ推論速度を大幅に向上させることを実証しています。
MASEval: Extending Multi-Agent Evaluation from Models to Systems
この論文は、LLM ベースのマルチエージェントシステムの評価においてモデルだけでなくシステム全体の構成要素（トポロジーやオーケストレーションなど）を包括的に評価する新しいフレームワーク「MASEval」を提案し、フレームワークの選択がモデルの選択と同様に性能に大きな影響を与えることを示しています。
Expressivity-Efficiency Tradeoffs for Hybrid Sequence Models
本論文は、ハイブリッドシーケンスモデル（トランスフォーマーと状態空間モデルの組み合わせ）が、非ハイブリッドモデルでは大規模なパラメータや作業メモリを必要とする特定のタスクにおいて、理論的に小規模かつ効率的に解決可能であることを証明し、実験的にもパラメータ数最大 6 倍のモデルを上回る性能や優れた汎化性を実証したものである。
APPLV: Adaptive Planner Parameter Learning from Vision-Language-Action Model
本論文は、事前学習された視覚言語モデルと回帰ヘッドを用いて古典的ナビゲーションプランナーのパラメータを予測・学習する「APPLV」を提案し、従来の手法や直接行動を出力する VLA モデルよりも、未知環境での一般化性とナビゲーション性能を向上させることを実証しています。
Why Channel-Centric Models are not Enough to Predict End-to-End Performance in Private 5G: A Measurement Campaign and Case Study
地下の私有 5G 環境における実測実験により、従来のチャネル中心のモデルがリンク層の適応性を過小評価しスループットを過大予測する傾向にあることが示され、通信認識型ロボットの計画には実測データに基づくデータ駆動型アプローチが不可欠であることが明らかにされました。
A New Modeling to Feature Selection Based on the Fuzzy Rough Set Theory in Normal and Optimistic States on Hybrid Information Systems
この論文は、ハイブリッド情報システムにおける高次元空間での計算コストとノイズ問題を解決するため、オブジェクト間の結合距離に基づき正規および楽観的モードで動作する新しい特徴量選択モデル「FSbuHD」を提案し、UCI データセットを用いた実験で既存手法を上回る効率性と有効性を示したものである。