GNN: Two Prototype Sets to boost GNN Performance
GNN は、プロトタイプを「全ノードがアクセス可能なグローバル文脈の提供者」と「ノイズ除去のためのクラスタリング対象」という 2 つの役割で活用するプラグアンドプレイ手法であり、既存のメッセージパス型 GNN の性能を向上させ、18 のデータセットで最先端の結果を達成する。
🤖 Category
cs.LG
5652 件の論文
The Reasoning Trap -- Logical Reasoning as a Mechanistic Pathway to Situational Awareness
この論文は、LLM の論理的推論能力の向上が、推論、帰納、仮説形成を通じて AI の状況認識（自己認識や戦略的欺瞞など）を機械的に促進する「RAISE」フレームワークを提示し、現在の安全対策の限界を指摘するとともに、論理推論研究コミュニティに対し、この危険な軌道に対する具体的な安全策と責任を問うている。
The Radio-Frequency Transformer for Signal Separation
MIT RF チャレンジのデータセットを用いた研究において、有限スカラー量子化（FSQ）とトランスフォーマーを組み合わせたデータ駆動型の信号分離器を開発し、従来の平均二乗誤差（MSE）よりも優れたクロスエントロピー損失で学習することで、QPSK 信号と 5G 干渉の分離において誤り率を 122 倍削減するなどの高い性能とゼロショット汎化能力を実証しました。
Emotion is Not Just a Label: Latent Emotional Factors in LLM Processing
この論文は、LLM の推論における感情の潜在的要因を解明し、感情バランスの取れた QA データセット「AURA-QA」を提案するとともに、感情条件付きの表現ドリフトを抑制する正則化フレームワークを導入することで、分布変化下およびドメイン内での読解タスクの性能向上を実現したことを示しています。
MM-Zero: Self-Evolving Multi-Model Vision Language Models From Zero Data
本論文は、画像などの初期データが一切不要なゼロデータ環境で視覚言語モデル（VLM）の推論能力を自己進化させる初の強化学習フレームワーク「MM-Zero」を提案し、提案者・コーダー・ソルバーという 3 つの役割を単一モデルから GRPO により訓練することで、従来の 2 役割モデルの枠組みを超えた拡張可能な自己改善を実現したものである。
Strategically Robust Multi-Agent Reinforcement Learning with Linear Function Approximation
本論文は、大規模なマルコフゲームにおいて、ナッシュ均衡の欠点を克服し、推定報酬に対するリプシッツ連続性と分布ロバスト性を備えた「リスク感受性量化応答均衡（RQRE）」を線形関数近似を用いて効率的に計算するアルゴリズム「RQRE-OVI」を提案し、その収束性と頑健性の理論的保証および実験的有効性を示したものである。
Beyond Test-Time Training: Learning to Reason via Hardware-Efficient Optimal Control
この論文は、推論を最適制御問題として定式化し、シンプレクティック形式に基づくハードウェア効率の高い LQR ソルバーを実装した「テストタイム制御（TTC）層」を提案することで、事前学習済み大規模言語モデルに推論能力をアーキテクチャとして組み込み、数学的推論タスクにおいて顕著な性能向上を実現したことを報告しています。
A Generative Sampler for distributions with possible discrete parameter based on Reversibility
この論文は、詳細平衡条件に基づく時間反転対称性を統計的制約として利用し、目標分布の勾配や連続緩和を必要とせずに、連続・離散・混合変数を含む多様な状態空間における平衡サンプリングを可能にする統一的な生成サンプリング枠組みを提案するものである。
Efficient Reasoning at Fixed Test-Time Cost via Length-Aware Attention Priors and Gain-Aware Training
この論文は、推論コストを増加させずに効率的な推論を実現するため、推論時に事前計算されたバイアスを追加する「長さ感知アテンション事前分布」と、検証改善時のみ作動する「ゲイン感知コントローラー」という 2 つのトレーニング専用コンポーネントを提案し、厳密な計算制約下で検証損失を削減しつつレイテンシを維持する手法を示しています。
Transductive Generalization via Optimal Transport and Its Application to Graph Node Classification
この論文は、最適輸送を用いて学習済み表現間のワッサーシュタイン距離に基づく新しい転移学習汎化誤差 bound を導出し、グラフノード分類において従来の複雑性尺度よりも実証的な汎化性能と強く相関し、GNN の深さと汎化誤差の非単調な関係を説明する理論的枠組みを提案しています。
DendroNN: Dendrocentric Neural Networks for Energy-Efficient Classification of Event-Based Data
本論文は、脳の樹状突起のスパイク配列検出メカニズムを模倣し、勾配なしの再配線学習と非同期デジタルハードウェア・アーキテクチャを組み合わせることで、イベントベースの時系列データ分類において既存のニューロモルフィックハードウェアよりも最大4倍のエネルギー効率を実現する「DendroNN」という新たなニューラルネットワークを提案しています。
On Regret Bounds of Thompson Sampling for Bayesian Optimization
この論文は、ベイズ最適化におけるガウス過程トンプソンサンプリング（GP-TS）の解析を補完し、確率依存の多項式下限、累積後悔の二乗期待値の上限、緩和された期待後悔の上限、および時間 horizon に関する改善された累積後悔の上限など、新たな後悔境界を導出する。
Proxy-Guided Measurement Calibration
この論文は、代理変数を用いた因果グラフモデルと変分オートエンコーダーに基づく二段階アプローチを提案し、調査や行政記録における体系的な測定誤差を特定・補正する枠組みを構築するものである。
A Gaussian Comparison Theorem for Training Dynamics in Machine Learning
この論文は、ゴードンの比較定理を用いてガウス混合モデルに基づく機械学習の訓練アルゴリズムの進化を解析しやすい擬似動力学系と結びつける非漸近的な定理を提示し、動的平均場理論の正当性を厳密に証明するとともに、非漸近領域におけるより高精度な近似手法を提案するものです。
CLoE: Expert Consistency Learning for Missing Modality Segmentation
本論文は、マルチモーダル医療画像セグメンテーションにおいて欠損モダリティが生じる際の問題に対処するため、モダリティ専門家間の合意を制御する「CLoE」という一貫性学習フレームワークを提案し、欠損状況下でも臨床的に重要な構造のセグメンテーション性能を向上させることを実証したものである。
Reward-Zero: Language Embedding Driven Implicit Reward Mechanisms for Reinforcement Learning
この論文は、自然言語のタスク記述とエージェントの経験から得られる言語埋め込みを比較することで、環境からの報酬が希薄な場合でも強化学習の探索を促進し、収束速度と汎化性能を向上させる汎用的な暗黙的報酬メカニズム「Reward-Zero」を提案しています。
TA-GGAD: Testing-time Adaptive Graph Model for Generalist Graph Anomaly Detection
本論文は、グラフ異常検出におけるドメインシフトの根本的な原因である「異常非アソート性（Anomaly Disassortativity）」を特定・定量化し、これに基づいて単一の訓練段階で多様なドメインにわたる汎用的な異常検出を可能にする新しいグラフ基盤モデル「TA-GGAD」を提案し、14 の実世界グラフを用いた実験で最先端の性能を達成したことを報告しています。
Interactive 3D visualization of surface roughness predictions in additive manufacturing: A data-driven framework
本論文は、材料押出積層造形における表面粗さの予測精度向上とプロセス計画の効率化を目指し、実験データと条件付生成敵対的ネットワークを組み合わせたデータ駆動型予測モデルを構築し、3D モデル上で粗さ分布を可視化するインタラクティブな意思決定支援システムを開発したものである。
Democratising Clinical AI through Dataset Condensation for Classical Clinical Models
この論文は、勾配に依存しないゼロ次最適化と差分プライバシーを組み合わせた新たなデータ凝縮手法を提案し、決定木やコックス回帰など広く使われている非微分可能な臨床モデルでも、患者の機密情報を保護しつつ高品質な合成データによるモデル共有を可能にすることを示しています。
From Representation to Clusters: A Contrastive Learning Approach for Attributed Hypergraph Clustering
この論文は、ノードレベルとハイパーエッジレベルの両方の目的を組み合わせた対照学習と、クラスタリング指向のガイダンスによる埋め込みとクラスタ割り当ての同時最適化を行うエンドツーエンド手法「CAHC」を提案し、8 つのデータセットで既存手法を上回る性能を実証するものです。