Personalized Multi-Agent Average Reward TD-Learning via Joint Linear Approximation
この論文は、異なる環境で動作する複数のエージェントが共有線形表現と未知の線形部分空間を仮定して協調的に学習する個人化平均報酬TD学習の収束性を解析し、矛盾する信号の影響を軽減して線形スケーリングを実現することを示しています。
🤖 Category
cs.LG
6916 件の論文
Embedding interpretable -regression into neural networks for uncovering temporal structure in cell imaging
この論文は、正則化によるスパースな時系列構造の解釈性を維持しつつ、畳み込みオートエンコーダとベクトル自己回帰（VAR）モデルを埋め込むことで、細胞イメージングデータから動的な要因を特定し、時系列比較や空間的寄与の可視化を可能にする新しい手法を提案しています。
Interpretable Motion-Attentive Maps: Spatio-Temporally Localizing Concepts in Video Diffusion Transformers
本論文は、勾配計算やパラメータ更新を必要とせず、GramCol と運動特徴選択アルゴリズムを導入することで、動画生成モデル（Video DiT）における運動概念の空間的・時間的な局所化を可能にする解釈可能な運動注意マップ（IMAP）を提案し、運動および非運動概念の両方に対して優れた局所化性能と可視化を実現するものです。
CGL: Advancing Continual GUI Learning via Reinforcement Fine-Tuning
本論文は、GUI アプリケーションの頻繁な更新に伴う継続学習の課題に対し、SFT と強化学習の相乗効果を動的に調整し、勾配干渉を解消する「CGL」フレームワークと、その評価用ベンチマーク「AndroidControl-CL」を提案し、既存タスクの忘却を防ぎつつ新たなタスクへの適応を可能にする手法を開発したことを示しています。
Why Adam Can Beat SGD: Second-Moment Normalization Yields Sharper Tails
この論文は、古典的な有界分散モデルにおいて、停止時間とマルチンゲール解析を用いて、信頼パラメータに対する依存度がAdamはであるのに対しSGDは少なくともを必要とするという、両者の高確率収束挙動における理論的な分離を初めて証明し、Adamの第二モーメント正規化がより鋭い尾部をもたらすことを示しています。
Information Routing in Atomistic Foundation Models: How Task Alignment and Equivariance Shape Linear Disentanglement
この論文は、Compositional Probe Decomposition (CPD) という手法を用いて、分子モデルにおける幾何学的・組成情報の線形分離性を定量化し、タスクの整合性、データ多様性、対称性に基づく情報経路が、モデルの表現における線形分離の度合いを決定づけることを明らかにしました。
XInsight: Integrative Stage-Consistent Psychological Counseling Support Agents for Digital Well-Being
本論文は、従来の LLM チャットボットの課題を克服し、デジタルウェルビーイングを促進する Web アプリケーション向けに、古典的な「探索・洞察・行動」のカウンセリングパラダイムに沿った多エージェントフレームワーク「XInsight」と、その評価基準「XInsight-Bench」を提案するものである。
vLLM Hook v0: A Plug-in for Programming Model Internals on vLLM
本論文は、vLLM 内のモデル状態へのアクセスを制限する既存の課題を解決し、受動的な状態監視と能動的な生成介入を可能にするオープンソースのプラグイン「vLLM Hook」を提案し、その有効性を提示するものである。
Isotonic Layer: A Universal Framework for Generic Recommendation Debiasing
この論文は、ニューラルアーキテクチャに直接統合された「等方性層（Isotonic Layer）」という新しいフレームワークを提案し、特徴空間の分割と非負の傾き最適化を通じてモデルの出力に単調性を強制することで、推薦システムのバイアス除去と較正精度を大幅に向上させることを実証しています。
How Attention Sinks Emerge in Large Language Models: An Interpretability Perspective
この論文は、大規模言語モデルにおける「アテンションシンク」の発生メカニズムを解明し、意味情報に依存せず位置 0 のトークンを認識する「P0 シンク回路」がトランスフォーマーの初期層で早期に形成されることを発見し、これが事前学習の収束状態を監視する指標となる可能性を示しています。
Hierarchical Latent Structures in Data Generation Process Unify Mechanistic Phenomena across Scale
この論文は、階層的な潜在構造を持つ確率的文脈自由文法（PCFG）を用いて合成コーパスを生成し、その階層性がインダクションヘッドやファンクションベクトル、ハイドラ効果といった一見無関係な機械的現象の出現を統一的に説明する鍵であることを示しています。
Hierarchical Embedding Fusion for Retrieval-Augmented Code Generation
この論文は、リポジトリ全体の情報を高密度な階層的ベクトルに圧縮し、擬似トークンとして生成モデルに効率的に統合する「階層的埋め込み融合（HEF）」手法を提案し、既存の検索拡張コード生成手法と同等の精度を維持しつつ、単一 GPU 上でサブ秒の低遅延を実現することを示しています。
FuzzingRL: Reinforcement Fuzz-Testing for Revealing VLM Failures
この論文は、視覚・言語のファジングと敵対的強化学習微調整を組み合わせることで、VLM の脆弱性を意図的に誘発し、その回答精度を大幅に低下させる質問を自動生成する「FuzzingRL」という手法を提案しています。
Switchable Activation Networks
この論文は、各ニューロンに入力依存のバイナリゲートを導入して計算を動的に制御し、推論効率の向上とモデルの圧縮を両立させる新しいフレームワーク「SWAN（Switchable Activation Networks）」を提案しています。
Khatri-Rao Clustering for Data Summarization
この論文は、大規模で複雑なデータセットの要約において、従来の重心ベースのクラスタリングが抱える冗長性の課題を克服し、より簡潔かつ正確な要約を実現するための「Khatri-Rao クラスタリング」パラダイムを提案し、k-Means および深層クラスタリングへの適用を通じてその有効性を示しています。
Scale Dependent Data Duplication
本論文は、モデルの能力向上に伴い意味的な重複データが厳密な重複と同様の悪影響を及ぼす「スケール依存性のデータ重複」を明らかにし、その影響を定量化するスケーリング則を導出することで、大規模モデルの性能予測精度を向上させることを示しています。
Know When You're Wrong: Aligning Confidence with Correctness for LLM Error Detection
この論文は、出力アンカートークンの確率に基づく正規化された信頼度スコアと自己評価フレームワークを提案し、LLM の誤り検出を可能にするだけでなく、強化学習による過信を抑制して信頼性を回復させる手法を明らかにしたものです。
Structure-Aware Set Transformers: Temporal and Variable-Type Attention Biases for Asynchronous Clinical Time Series
この論文は、非同期な臨床時系列データにおける時間的局所性と変数間の親和性を学習可能なアテンションバイアスとして組み込むことで、グリッド化やポイントセットの両方の欠点を克服し、ICU 予測タスクで最先端の性能を達成する「構造認識型セットトランスフォーマー（STAR）」を提案しています。
LegoNet: Memory Footprint Reduction Through Block Weight Clustering
この論文は、モデルの再学習やアーキテクチャ変更を一切行わずに、重みをブロック単位でクラスタリングする「LegoNet」という圧縮手法を提案し、ResNet-50 において 64 倍のメモリ削減と精度維持、あるいは 128 倍の削減で 3% 未満の精度低下を実現することを示しています。
Multi-Agent DRL for V2X Resource Allocation: Disentangling Challenges and Benchmarking Solutions
本論文は、C-V2X ネットワークにおけるマルチエージェント深層強化学習の課題を特定し、その影響を分離評価するためのベンチマーク環境と大規模データセットを構築して公開し、特に多様な交通環境へのゼロショット転送能力の重要性を明らかにした。