Activation Matters: Test-time Activated Negative Labels for OOD Detection with Vision-Language Models
本論文は、テスト時に負のラベルの活性化レベルを動的に評価・選択する「TANL」というトレーニング不要の手法を提案し、視覚言語モデルを用いた分布外検出の精度を大幅に向上させることを示しています。
🤖 Category
cs.LG
13108 件の論文
Does Explanation Correctness Matter? Linking Computational XAI Evaluation to Human Understanding
この論文は、説明の計算論的正確性が人間の理解に直結するとは限らず、一定の閾値以下で低下すると理解度が落ちるが、それ以上の低下は追加的な損失をもたらさず、また完全な正確性でも理解を保証しないことを、200 名を対象としたユーザー研究を通じて実証しています。
Hyperspectral Trajectory Image for Multi-Month Trajectory Anomaly Detection
この論文は、高密度 GPS 軌跡の多ヶ月にわたる異常検出を可能にするため、軌跡を空間・時間・速度などの情報をチャネルとして持つ「超分光軌跡画像（HTI）」として再定式化し、人間の周期性を考慮した「Cyclic Factorized Transformer（CFT）」を用いた TITAnD モデルを提案し、既存手法を精度と速度の両面で凌駕することを示しています。
Mitigating Evasion Attacks in Fog Computing Resource Provisioning Through Proactive Hardening
この論文は、フォグコンピューティングのリソース割り当てに用いられるk-meansアルゴリズムが探索的攻撃と回避攻撃に対して脆弱であることを明らかにし、敵対的学習による能動的防御手法を提案することで、リソース提供システムの安定性を維持できることを示しています。
CSI-tuples-based 3D Channel Fingerprints Construction Assisted by MultiModal Learning
本論文は、低高度通信環境における 3 次元チャネル指紋（3D-CF）を構築するために、位置情報、通信測定値、地理環境マップなどの異種データを統合するマルチモーダル学習フレームワークを提案し、既存の最先端手法と比較して少なくとも 27.5% 高い精度と優れた推論速度を実現することを示しています。
Practical Efficient Global Optimization is No-regret
この論文は、数値的安定性のために正のノイズ項（ナゲット）を追加した実用的な効率的な大域最適化（EGO）アルゴリズムについて、初めて累積後悔の上限を証明し、それが平方指数カーネルやマテールンカーネルにおいて「後悔なし」アルゴリズムであることを示したものである。
How Pruning Reshapes Features: Sparse Autoencoder Analysis of Weight-Pruned Language Models
本論文は、大規模言語モデルの重みプルーニングが内部表現に与える影響をスパースオートエンコーダを用いて分析し、稀な特徴が頻繁な特徴よりも生存率が高く、Wanda 法が Magnitude 法よりも特徴構造の保持に優れていること、そして幾何学的な生存と因果的重要性が一致しないことを初めて体系的に明らかにしたものです。
Agentic Trust Coordination for Federated Learning through Adaptive Thresholding and Autonomous Decision Making in Sustainable and Resilient Industrial Networks
本論文は、変化する産業環境におけるフェデレーテッドラーニングの信頼性を向上させるため、クライアント側の修正や通信オーバーヘッドの増加なしに、サーバー側で文脈を認識し自律的に判断を行う軽量なエージェント型信頼協調アプローチを提案するものである。
From Intent to Evidence: A Categorical Approach for Structural Evaluation of Deep Research Agents
本論文は、圏論を用いて深層研究エージェントの動作を形式化し、296 問のメカニズム意識型ベンチマークで 11 種類のモデルを評価した結果、最先端モデルでも構造的合成タスクにおいて平均精度 19.9% という低い性能しか発揮できず、複雑な構造化情報の統合における根本的な課題が浮き彫りになったことを示しています。
A Distribution-to-Distribution Neural Probabilistic Forecasting Framework for Dynamical Systems
この論文は、核平均埋め込みと混合密度ネットワークを用いて予測分布を直接進化させる「分布から分布への（D2D）」ニューラル確率予測フレームワークを提案し、ローレンツ63 系における非線形力学下での分布進化の捕捉や、アンサンブルシミュレーションなしに高度な確率予測を実現する新たなパラダイムを示しています。