A Hybrid Quantum-Classical Framework for Financial Volatility Forecasting Based on Quantum Circuit Born Machines
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。
🤖 Category
cs.LG
5414 件の論文
Exploiting Label-Aware Channel Scoring for Adaptive Channel Pruning in Split Learning
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。
Information Theoretic Bayesian Optimization over the Probability Simplex
この論文は、情報幾何学に基づいて確率単体上の幾何学的な構造を反映したカーネルと最適化手法を提案し、制約付きユークリッド空間のアプローチよりも優れた性能を示す新しいベイズ最適化アルゴリズム「-GaBO」を導入するものである。
Good Reasoning Makes Good Demonstrations: Implicit Reasoning Quality Supervision via In-Context Reinforcement Learning
この論文は、正解に至る過程の質を文脈内学習による「証拠獲得（Evidence Gain）」で評価し、それを報酬の重み付けに活用する「文脈内 RLVR」を提案することで、従来の強化学習では見逃されがちな推論の質を向上させ、数学的ベンチマークにおいて精度と推論能力の両方を改善することを示しています。
Correction of Transformer-Based Models with Smoothing Pseudo-Projector
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。
A Unified Hierarchical Multi-Task Multi-Fidelity Framework for Data-Efficient Surrogate Modeling in Manufacturing
本論文は、製造システムにおける異質な多忠実度データを活用し、タスク間の類似性と忠実度依存の不確実性を統合的に学習することで予測精度を大幅に向上させる、階層的なマルチタスク・マルチ忠実度ガウス過程代理モデル枠組みを提案しています。
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。
GAST: Gradient-aligned Sparse Tuning of Large Language Models with Data-layer Selection
この論文は、データとレイヤーの両次元で選択的微調整を行う統合最適化戦略「GAST」を提案し、既存の手法が見過ごしていたデータとレイヤーの非対称な寄与を考慮することで、大規模言語モデルのパラメータ効率型微調整の性能を向上させることを示しています。
CarbonBench: A Global Benchmark for Upscaling of Carbon Fluxes Using Zero-Shot Learning
本論文は、希少なエディ相関観測データに依存しない炭素フラックスのアップスケーリングを評価するための初のゼロショット空間転移学習ベンチマーク「CarbonBench」を提案し、567 の観測地点から得られた 130 万超のデータを用いて、異なる植生や気候帯へのモデルの一般化性能を厳密に検証する枠組みを提供しています。
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。
OptEMA: Adaptive Exponential Moving Average for Stochastic Optimization with Zero-Noise Optimality
この論文は、既存の Adam 型最適化手法の理論的限界を克服し、リプシッツ定数や事前知識を必要とせず、特にノイズがゼロの状況でほぼ最適な収束速度を達成する新しい適応的指数移動平均法「OptEMA」を提案し、その厳密な収束保証を示すものです。
Generative Drifting is Secretly Score Matching: a Spectral and Variational Perspective
本論文は、生成ドリフトがガウスカーネル下で滑らかな分布のスコア差と等価であることを示し、 McKean-Vlasov 動力学の線形化や Wasserstein 勾配流の観点から理論的基盤を確立するとともに、収束速度の向上や安定な訓練のための停止勾配の必要性を明らかにしたものである。
SignalMC-MED: A Multimodal Benchmark for Evaluating Biosignal Foundation Models on Single-Lead ECG and PPG
ECG と PPG の同期データから構成される新しいベンチマーク「SignalMC-MED」を提案し、バイオシグナル基盤モデルの評価においてドメイン特化モデルの有効性、マルチモーダル融合の優位性、および手動特徴量と学習表現の相補性を明らかにした。
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。
On the Width Scaling of Neural Optimizers Under Matrix Operator Norms I: Row/Column Normalization and Hyperparameter Transfer
この論文は、行列演算子ノルムの幾何学的解釈に基づき、層ごとの合成性と幅に依存しない滑らかさの保証を実現する新しい平均正規化ノルムを導入し、これによりモデル幅を超えた学習率の安定した転送を可能にする新しい最適化手法「MOGA」を提案し、大規模な事前学習実験で Muon と同等以上の性能と高速性を示したことを報告しています。
From Semantics to Pixels: Coarse-to-Fine Masked Autoencoders for Hierarchical Visual Understanding
Contrastive 学習とマスク画像モデルの課題を解決するため、セマンティック・インスタンス・ピクセルの 3 段階の粒度で階層的視覚表現を学習し、大規模なマルチ粒度データセットを用いた C2FMAE が、画像分類・物体検出・セマンティックセグメンテーションにおいて顕著な性能向上を実現したことを提案する論文です。
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。
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。
Task Aware Modulation Using Representation Learning for Upsaling of Terrestrial Carbon Fluxes
この論文は、物理的な制約と適応的な表現学習を統合した「タスク認識型変調（TAM-RL）」フレームワークを提案し、地上観測データの希薄さや地域偏りによる課題を克服することで、既存の手法よりも大幅に精度を向上させた陸域炭素フラックスの全球スケールへのアップスケーリングを実現したことを示しています。