Sign Identifiability of Causal Effects in Stationary Stochastic Dynamical Systems
この論文は、拡散行列が既知でない連続時間線形定常確率微分方程式において、因果構造と観測共分散行列に基づいてドリフト係数の符号が一意に決定可能か（エッジ符号識別可能性）を判定する基準を導出し、古典的および新規の循環的因果構造に適用してその性質を明らかにするものである。
🤖 Category
cs.LG
11971 件の論文
Beyond Attention Heatmaps: How to Get Better Explanations for Multiple Instance Learning Models in Histopathology
この論文は、デジタル病理におけるマルチインスタンス学習モデルのヒートマップの妥当性を検証する新たな枠組みを提案し、アテンションや勾配に基づく手法よりも摂動法や層別関連性伝播（LRP）などの説明手法がモデルの意思決定をより正確に反映し、生物学的な洞察をもたらすことを大規模ベンチマークと実証実験を通じて示しています。
Electrocardiogram Classification with Transformers Using Koopman and Wavelet Features
本論文は、拡張動的モード分解（EDMD）を用いたクーマン演算子とウェーブレット変換の特徴をトランスフォーマーと組み合わせることで、心電図（ECG）の多クラス分類において、特に適切な辞書選択により従来のウェーブレット単独やハイブリッド手法を上回る性能を達成し、動的システム理論に基づく時系列分類の有効性を示したものである。
Rethinking Attention Output Projection: Structured Hadamard Transforms for Efficient Transformers
この論文は、アテンション出力投影をパラメータ不要のウォルシュ・アダマール変換と軽量なアフィン再スケーリングに置き換えることで、モデルのパラメータ数とメモリ使用量を削減しつつ、標準ベンチマークで同等以上の性能を維持する効率的なトランスフォーマーアーキテクチャを提案しています。
Towards plausibility in time series counterfactual explanations
この論文は、時間系列分類問題に対して、入力空間における勾配ベースの最適化とソフトDTWに基づくk近傍法を統合することで、妥当性と分布の整合性を両立し、現実的な時間的構造を持つ反事実的説明を生成する新しい手法を提案し、その有効性を示したものである。
Unifying On- and Off-Policy Variance Reduction Methods
この論文は、オンラインの差の平均推定量と最適な制御変量を用いたオフポリシー逆確率重み付け推定量、そして回帰調整手法と二重頑健推定量の間に形式的な等価性を確立し、A/B テストとオフポリシー評価の分野を統一的な視点で結びつけることで、両分野の実践者や研究者の理解を深めることを目指しています。
Leaderboard Incentives: Model Rankings under Strategic Post-Training
本論文は、現在のベンチマークがモデル開発者にテストタスクへの過剰な最適化（benchmaxxing）を促し均衡が存在しないインセンティブ構造を生み出していることを示しつつ、最近提案された「tune-before-test」という評価プロトコルを用いることで、モデルの真の潜在品質に基づく唯一のナッシュ均衡を達成できることを理論的に証明しています。
Beyond the Markovian Assumption: Robust Optimization via Fractional Weyl Integrals in Imbalanced Data
この論文は、不均衡データにおける過学習やノイズへの耐性を高めるため、局所的な勾配更新に代わって動的に重み付けされた過去の勾配履歴を統合する「重み付き分数ウェイリー積分」に基づく新たな最適化アルゴリズムを提案し、医療診断や金融詐欺検出において従来の最適化手法を大幅に凌駕する性能向上を実証したものである。
Revealing Behavioral Plasticity in Large Language Models: A Token-Conditional Perspective
本論文は、LLM が生成トークンの条件付けによって行動を柔軟に切り替えられる「変幻自在性」を発見し、これを強化学習で定着させるフレームワーク「ToCoRL」を提案することで、推論モデルの能力を維持しつつ事実問答などへの適応を可能にしたことを示しています。
A Recipe for Stable Offline Multi-agent Reinforcement Learning
本論文は、オフライン多エージェント強化学習における非線形価値分解の不安定さを解消し、スケーリング不変な価値正規化（SVN）を導入することで、安定した学習と実用的なレシピを実現する手法を提案しています。
Geometrically Constrained Outlier Synthesis
この論文は、学習データの特徴空間の多様体構造を尊重して仮想外れ値を合成する「幾何学的制約付き外れ値合成（GCOS）」という正則化フレームワークを提案し、既知の分布内データと共有する意味領域における外れ値検出の性能を向上させ、さらに統計的に有効な誤り保証を持つ不確実性スコアへの拡張も可能にするものである。
Meta-RL with Shared Representations Enables Fast Adaptation in Energy Systems
本論文は、バイレベル最適化とハイブリッド・アクター・クリティック・アーキテクチャを統合し、共有表現を学習することでサンプル効率とタスク間適応性を向上させた新たなメタ強化学習フレームワークを提案し、実世界のビルエネルギー管理システムデータを用いた実験で、従来の手法を上回る高速適応と性能向上を実証したものである。
SYNAPSE: Framework for Neuron Analysis and Perturbation in Sequence Encoding
本論文は、Transformer モデルの内部挙動を再学習なしで体系的に分析・検証し、表現の冗長性による安定性と構造的な脆弱性の両面を明らかにする新しいフレームワーク「SYNAPSE」を提案しています。
IronEngine: Towards General AI Assistant
本論文は、デスクトップ UI、多様な API、ローカルおよびクラウドモデル、持続的メモリ、タスクスケジューリング、MCP 互換性などを統合したユニファイド・オーケストレーションコアを中核とし、計画と実行を分離する 3 フェーズパイプラインや適応的なモデル管理、高度なツールルーティングを備えた汎用 AI アシスタントプラットフォーム「IronEngine」のアーキテクチャ、設計、性能、および他システムとの比較分析を提示するものである。
Grow, Assess, Compress: Adaptive Backbone Scaling for Memory-Efficient Class Incremental Learning
この論文は、カテゴリー逐次学習における忘却と学習のバランスを最適化し、モデルの拡張と圧縮を動的に制御する「GRACE」戦略を提案することで、最先端の性能を維持しつつメモリ使用量を最大 73% 削減する手法を提案しています。
A prospective clinical feasibility study of a conversational diagnostic AI in an ambulatory primary care clinic
この研究は、リアルタイムの安全監視下で実施された前向き臨床feasibility 研究において、LLM ベースの対話型 AI「AMIE」が、患者の満足度向上や医師の準備性への貢献、そして診断精度において医療従事者と同等の安全性と質を有し、実際のプライマリケア現場での導入可能性を実証したことを示しています。
LycheeCluster: Efficient Long-Context Inference with Structure-Aware Chunking and Hierarchical KV Indexing
LycheeCluster は、境界認識によるチャンキングと三角形不等式に基づく階層的 KV インデックスを導入することで、長文脈推論における KV キャッシュ管理を線形探索から対数時間への剪定プロセスへと変換し、モデル性能の低下を最小限に抑えつつ最大 3.6 倍の推論高速化を実現する手法です。
The Boiling Frog Threshold: Criticality and Blindness in World Model-Based Anomaly Detection Under Gradual Drift
この論文は、強化学習エージェントが世界モデルに基づく自己監視を行う際、観測の漸進的なドリフトに対して検知閾値が普遍的存在し、その検知能力がノイズフロア、検出器、環境ダイナミクスという 3 者の相互作用によって決定されることを実証的に明らかにし、特に脆弱な環境ではエージェントが検知前に崩壊する「無自覚な破綻」モードが存在することを示しています。
Adaptive Entropy-Driven Sensor Selection in a Camera-LiDAR Particle Filter for Single-Vessel Tracking
本論文は、カメラと LiDAR の特性を補完し、エントロピー削減に基づく適応的なセンサー選択戦略を採用することで、沿岸固定プラットフォームからの単一船舶追跡において、精度と継続性を両立するロバストなマルチモーダル粒子フィルタ追跡手法を提案し、キプロスでの実海域実験でその有効性を検証したものである。
Data-Driven Priors for Uncertainty-Aware Deterioration Risk Prediction with Multimodal Data
本論文は、自己教師あり潜在表現のクロスモーダル類似性とモダリティ固有のデータ汚損を組み合わせたデータ駆動型事前分布を採用する「MedCertAIn」を提案し、MIMIC-IV および MIMIC-CXR データセットを用いた実験により、このフレームワークが臨床リスク予測の性能と不確実性の定量化を大幅に向上させることを示しています。