7103 件の論文
この論文は、実録音からのピッチ適応スペクトル分析とパラメトリック合成を組み合わせた分析駆動型フレームワークを提案し、サンプル単位のRPMおよびトルク注釈を備えた大規模なエンジン音合成データセット「Procedural Engine Sounds Dataset」を構築・公開し、自動車音響設計やデータ駆動型合成研究を支援することを目的としています。
この論文は、大規模視覚言語モデル（LVLM）が個別には安全に見える視覚的スロットを構造的に組み合わせて有害な出力を生成する新たな脆弱性を発見し、これを悪用した単一クエリによる「StructAttack」という新しい脱獄フレームワークを提案したものである。
この論文は、推論コストを削減しつつ回答の品質を維持するため、問題の難易度に応じて推論部分と回答部分を分離し、それぞれに適切な強化学習信号を適用する「Difficulty-Scaled Segment-Wise GRPO（DSS-GRPO）」を提案しています。
本論文は、メタ転移学習を活用して神経スパイク波形の非一様圧縮と少数ショット分類を同時に処理し、生体実験で高い性能を示した「MetaSort」と呼ばれる新規アルゴリズムを提案しています。
この論文は、微分可能な真理値表と新しい soft TopK 演算子を用いて、高い予測性能と低い複雑さを両立し、かつ DNF/CNF ブール論理式として完全に解釈可能なスパースなルールモデル「TT-Sparse」を提案し、28 のデータセットで既存の最先端手法を上回る性能を実証しています。
本論文は、Kubernetes 環境におけるビジネスポリシーとリソースプロビジョニングの乖離による課題を解決するため、戦略・計画・実行の 3 層構造を持つ階層型マルチエージェントシステム「MAS-H2」を提案し、その実証実験において従来の自動スケーリング手法と比較してリソース効率の大幅な向上とゼロダウンタイム移行を実現したことを報告しています。
この論文は、凍結された視覚生成モデルに低ランク適応を付加して信号を関数として符号化する新たな枠組みを提案し、これにより極低ビットレートでの高品質な動画圧縮を実現するとともに、圧縮と生成を統合する新たなアプローチを示しています。
本論文は、人間の運動適応の段階的な性質を反映した「段階的マルチエージェント訓練（SMAT）」を提案し、シミュレーションおよび実機実験を通じて、ユーザーごとの再訓練なしに一貫した支援と正味の機械的パワーを実現するコ適応型外骨格制御の成功を示しています。
この論文は、拡散モデルの推論における高いエネルギー消費と計算負荷という課題に対し、シリコンフォトニクス技術を用いた新しいアクセラレータを提案し、最先端の加速器と比較して少なくとも 3 倍のエネルギー効率と 5.5 倍のスループット向上を実現したことを報告しています。
この論文は、強化学習を用いて生物学的関節モーメントを低減する外骨格制御ポリシーを学習し、オープンソースの歩行データセットを用いた検証パイプラインによって、シミュレーションで訓練された制御ネットワークが生物学的関節モーメントと高い一致を示すことを実証するとともに、シミュレーションから実世界への転移における可能性と課題を明らかにしたものである。
本論文は、大規模言語モデルの推論能力を活用し、文脈学習による多様な候補解の探索と強化学習による反復的な方策改善を統合した階層的進化強化学習フレームワーク「HELIX」を提案し、円のパッキング問題や機械学習ベンチマークにおいて最先端の成果を達成したことを報告するものである。
この論文は、NVIDIA Omniverse を活用したアルジェ国際空港のデジタルツインに基づく合成データ生成パイプラインを提案し、限られた実データのアノテーションを合成データと組み合わせることで、手作業を 25〜35% 削減しつつも、高密度で重なり合う手荷物カートの検出において実データのみを使用する場合と同等以上の精度を達成できることを実証しています。
非凸複合最適化問題における統計的異質性とバイアス付き圧縮の課題に対処するため、非滑正則項を局所的に処理しつつ通信効率を最大化する新規アルゴリズム「FedCEF」を提案し、理論的な収束保証と極端な圧縮率下での高い精度を実証した。
この論文は、偏微分方程式の数値解法における古典的手法と機械学習アプローチを、それぞれの認識論的基盤（演繹的誤差保証対統計的近似）に基づき批判的に比較検討し、両者の相補性を活かしたハイブリッド手法の設計原則や将来の技術的展望を体系的に論じています。
この論文は、オフライン指標の改善がオンライン性能に直結しない「指標の不一致」という課題を解決するため、ベイズ最適集合と後悔転移を用いて異なる評価指標間の定量的な関係を統一的に理論化し、オフラインとオンラインの目標を整合させる評価システムの設計を可能にする枠組みを提案しています。
本論文は、アプリケーションやシステムデータを活用した機械学習駆動およびデータ認識型のマイクロアーキテクチャ手法（強化学習に基づくデータプリフェッチや意味的特性の活用など）を提案し、従来のデータ非依存な設計の限界を克服することで、メモリボトルネックを緩和しパフォーマンスとエネルギー効率を大幅に向上させることを示しています。
本論文は、メモリー、通信、計算の各側面を横断する統合最適化と並列化手法を導入し、数千の GPU クラスターで数十億から数兆パラメータ規模の混合専門家（MoE）モデルの効率的なトレーニングを可能にする、生産環境対応のオープンソースフレームワーク「Megatron Core」の技術とシステム設計を詳述しています。
この論文は、ニューラルネットワークを用いたクリティックと一般的な方策パラメータ化を備えた平均報酬制約付きマルコフ決定過程（CMDP）に対して、混合時間オラクルを必要とせず、NTK 理論に基づく原始双対自然アクタクリティックアルゴリズムのグローバル収束性と累積制約違反率を初めて証明したものである。
本論文は、スパース学習における過剰なステップサイズ減衰が特徴の相干性により低次元の現実問題であっても構造的な停滞を引き起こすことを理論的に示し、数値実験でこれを裏付けています。
本論文は、ゲームに依存しない微分可能な均衡ブロック（DEB）をモジュールとして用いる「深層インセンティブ設計（DID）」フレームワークを提案し、契約設計や機械スケジューリングなど多様なインセンティブ設計課題に対して、単一のニューラルネットワークで広範なゲーム規模にわたる均衡を効率的に学習・解決できることを示しています。