6749 件の論文
本論文は、センサー故障やプライバシー保護により生じる不完全なマルチモーダルデータの問題に対処するため、モダリティ組合せごとの共有情報と固有特徴を分離し、表現空間の分離性に基づいて動的に学習比率を調整する新しいパラメータ効率型学習フレームワーク「MCULoRA」を提案し、感情認識タスクにおいて既存手法を上回る性能を達成したことを示しています。
本論文は、マルチモーダル大規模言語モデル（MLLM）がエージェントの行動を過剰に肯定する「同意バイアス」を特定し、自己生成された事前知識に基づいて検証を行う軽量手法「SGV」を提案することで、タスク完了率や精度を大幅に向上させることを示しています。
この論文は、生物学的配列モデリング、分子生成・設計、ペプチドおよびタンパク質生成の 3 つの主要分野におけるフローマッチングの基礎、応用、データセット、ツール、および将来の展望を網羅的に調査した初の包括的なサーベイである。
この論文は、弱モデルが生成した成功だけでなく失敗の軌跡も活用し、木構造とモンテカルロ木探索を組み合わせて強化学習を行うことで、複雑な意思決定タスクにおける弱モデルから強モデルへの一般化性能を飛躍的に向上させる新たな手法を提案しています。
この論文は、EU AI 法などの規制下におけるバイアス監査の脆弱性を示し、不公正なデータ分布から公平性を満たすかのように見せかける操作可能なサンプルを構築する攻撃手法を定式化し、その検出を強化するための統計的テストと実用的なガイドラインを提案するものである。
本論文は、静的ベンチマークが臨床現場での信頼性を過大評価する「ベンチマークギャップ」を明らかにし、医療用大規模言語モデルの安全性を評価するために、頑健性、プライバシー、公平性、幻覚の 4 つの軸で動的かつ自動的なレッドチームングを行う「DAS」フレームワークを提案しています。
本論文は、ガウス過程カーネルの合成と構造的因果モデルを組み合わせることで多様かつ因果的に整合した合成時系列データを生成する「CauKer」を提案し、これにより大規模な実データに依存せず、スケーラブルかつ効率的に時系列基礎モデルを事前学習可能であることを示しています。
この論文は、グラフの抽象的な構造に依存する不変量（グラフ不変量）の予測を通じて構造一般化を強化し、その表現を位置符号として活用してドメイン横断的なグラフ基礎モデル（GFM）を構築する「GraphProp」を提案し、特にノード属性がないグラフにおける分類や少数ショット学習において優れた性能を示すことを示しています。
本論文は、RNN のゲーティング機構が状態空間の時間スケールとパラメータ更新を結合させ、固定の学習率であってもデータ駆動型の適応的学習率や勾配の異方性を生み出し、最適化の事前条件付けとして機能することを理論的・実験的に示したものである。
任意のサンプリングレートと可変長の信号に対応し、帯域分割アーキテクチャと周波数位置エンコーディングを統合した新しい基盤モデル「ECHO」を提案し、機械信号の異常検出や故障分類において最先端の性能を実現したことを報告する論文です。
この論文は、複数のエージェント間の局所ナッシュ均衡のデモンストレーションデータから混合整数線形計画（MILP）を用いてパラメトリックな制約を学習し、理論的な保証のもとで安全・危険領域の内側近似を導出するとともに、非線形ダイナミクスを持つエージェントの安全な運動計画を設計する手法を提案しています。
本論文は、単一金属ナノ粒子の原子対分布関数からナノ構造を復元する逆問題を、ラプラシアン行列を用いた条件付き潜在拡散モデル（CbLDM）によって解決し、物理的に意味のある構造生成と安定性の向上を実現したことを報告しています。
この論文は、Lempel-Ziv 圧縮に基づくエントロピー駆動のカリキュラム学習と、距離・方向の推定を組み合わせたマルチタスク学習を統合したフレームワークを提案し、HuMob チャレンジにおいて最先端の予測精度と最大 2.92 倍の収束速度向上を実現したことを示しています。
この論文は、保険料率設定におけるデータ不足やプライバシー問題への対応策として、MICE 法が深層生成モデル（VAE や CTGAN）と同等以上のデータ忠実度と GLM 予測性能を維持しつつ、実装の容易さにおいて優位であることを示す比較研究をまとめたものである。
本論文は、上段非凸・下段強凸の確率的バイレベル最適化問題において、高次滑らかさを活用して超勾配を近似する高次有限差分法 F²SA-を提案し、その収束率を改善するとともに、下界がであることを示すことで、高次滑らかさの領域においてこの手法がほぼ最適であることを証明しています。
大規模な LLM エージェント実験により、行動推論において動機はほぼ完全な精度で特定可能である一方、信念体系の推論には構造的な非対称性と情報理論的な限界が存在し、特に中立的な行動領域において推論精度が大幅に低下することが実証されました。
この論文は、生成 AI を活用して公開画像や住宅情報から住宅建築データを合成するモジュラー型マルチモーダルフレームワークを提案し、エネルギー効率の向上や地域規模の消費シミュレーションを可能にするための、コストのかかるデータへの依存を軽減するアクセシブルなパイプラインを確立したことを示しています。
この論文は、3D 光音響トモグラフィ（PACT）において、物理法則を直接学習するエンドツーエンドのニューラルオペレーター「PANO」を提案し、従来の再構成手法よりも高品質な画像をリアルタイムで生成し、臨床応用への道を開くことを示しています。
この論文は、スパイクタイミングから深層学習と動的入力コンダクタンス（DIC）の理論的枠組みを組み合わせることで、神経の退化性（多様なイオンチャネル導電性の組み合わせが同様の活動を生む現象）を考慮しつつ、導電性ベースのニューロンモデルの生物物理パラメータを高速かつ効率的に再構築する手法を提案し、スパイク記録から機械的なモデルへの解釈可能な橋渡しを実現したものである。
本論文は、制限された計算資源やプライバシー制約下でも実用的な産業環境で動作する、5 つの役割特化型エージェントと安全チェックアウディット、および適応的ステップ融合（ASF）を採用したマルチエージェント協調アシスタント「MICA」を提案し、その有効性をベンチマークと評価指標を用いて実証するものである。