MMTU: A Massive Multi-Task Table Understanding and Reasoning Benchmark
本論文は、表形式データの理解・推論・操作に関する専門家のレベルを包括的に評価するため、25 の実世界タスクと 2 万 8 千以上の質問からなる大規模ベンチマーク「MMTU」を提案し、最先端のモデルでも高い性能が求められていることを示しています。
🤖 Category
cs.LG
2442 件の論文
Leveraging chaotic transients in the training of artificial neural networks
この論文は、学習率を意図的に大きく設定することで勾配降下法が「探索と利用のバランス」を取る過渡的カオス領域に遷移し、初期条件への敏感な依存性（正の最大リアプノフ指数）を示しながらも、MNIST などの多様なタスクやアーキテクチャにおいてテスト精度への収束時間を最小化し、人工ニューラルネットワークの学習を加速できることを示しています。
EROICA: Online Performance Troubleshooting for Large-scale Model Training
本論文は、大規模モデル学習の性能問題を診断するために、プロファイリングに基づく微細な観測と全 GPU クラスタの網羅的カバレッジを備えた初のオンライントラブルシューティングシステム「EROICA」を提案し、約 10 万 GPU の大規模環境で 1 年半にわたり稼働し、97.5% の成功率で多様な性能問題を特定したことを報告するものである。
BemaGANv2: Discriminator Combination Strategies for GAN-based Vocoders in Long-Term Audio Generation
本論文は、AMP モジュールと新規の Multi-Envelope Discriminator を導入し、長尺音声生成における時間的整合性や周期性のモデル化を強化した GAN ベースのボコーダ「BemaGANv2」を提案し、各種識別器の組み合わせ戦略を客観的・主観的指標を用いて体系的に評価したものである。
Co-LoRA: Collaborative Model Personalization on Heterogeneous Multi-Modal Clients
この論文は、データとモデルの両方の異質性に対処し、タスク関連性を考慮した集約戦略と次元不変モジュール「Co-LoRA」を導入することで、現実的な多モーダル環境におけるパーソナライズド連合学習の性能を大幅に向上させる手法を提案し、40 のタスクを含む新しいベンチマークでその有効性を示しています。
Efficient Algorithms for Logistic Contextual Slate Bandits with Bandit Feedback
本論文は、指数級数の候補スレートから単一の二値報酬のみが観測されるロジスティック文脈スレートバンドット問題に対し、局所計画と大域的学習を組み合わせることで、低計算コストかつ低後悔を実現する効率的なアルゴリズムを提案し、理論的保証と実証実験、ならびに言語モデルの文脈例選択への応用を通じてその有効性を示しています。
Sharpness-Aware Machine Unlearning
本論文は、シャープネス感知最小化（SAM）の機械的忘却への適用を分析し、忘却信号と保持信号の競合を解決する新たな手法「Sharp MinMax」を提案することで、忘却性能の向上とモデルの堅牢性を同時に達成することを示しています。
Kolmogorov-Arnold Energy Models: Fast, Interpretable Generative Modeling
この論文は、Kolmogorov-Arnold 表現定理に基づく新しい生成モデル「KAEM」を提案し、逆変換法による高速かつ正確な推論と、重要性サンプリングやアンニリング戦略を用いた効率的な事後推論を通じて、VAE の効率性と拡散モデルの表現力を両立させつつ、潜在空間の解釈可能性を向上させることを示しています。
From Semantic To Instance: A Semi-Self-Supervised Learning Approach
この論文は、農業分野における密集・自己遮蔽物体のインスタンスセグメンテーション課題を解決するため、最小限の人手注釈で形状やテクスチャに焦点を当てた「GLMask」を用いた半自己教師あり学習アプローチを提案し、小麦の穂の検出で mAP@50 98.5% の最高精度を達成したことを報告しています。
Adaptive Batch-Wise Sample Scheduling for Direct Preference Optimization
本論文は、大規模言語モデルの学習状態に応じてバッチごとに訓練サンプルを動的に選択する新しいアルゴリズム「SamS」を提案し、DPO のコアアルゴリズムを変更することなく、計算コストを最小限に抑えつつモデルの汎化性能を大幅に向上させることを示しています。
DemoDiffusion: One-Shot Human Imitation using pre-trained Diffusion Policy
この論文は、事前学習された拡散方策と運動学的リターゲティングを活用し、タスク固有の学習や人間とロボットの対データなしで、単一の人間のデモンストレーションからロボットが操作タスクを成功させることを可能にする「DemoDiffusion」を提案しています。
Adopting a human developmental visual diet yields robust, shape-based AI vision
この論文は、人間の視覚発達の過程（視力やコントラスト感度など）を模倣した「発達的視覚食」を導入することで、AI がテクスチャ依存から脱却し、形状に基づく頑健で人間に近い視覚能力を獲得できることを実証しています。
Noisy PDE Training Requires Bigger PINNs
この論文は、ノイズを含むデータを用いた物理情報ニューラルネットワーク（PINN）の学習において、誤差をノイズ分散以下に抑えるためにはネットワーク規模が一定の閾値を超えて大きくする必要があることを、ハミルトン・ヤコビ・ベルマン方程式などを用いた理論的解析と実験で実証しています。
Towards Practical Benchmarking of Data Cleaning Techniques: On Generating Authentic Errors via Large Language Models
本論文は、大規模言語モデルを用いて表データに実在の誤りを生成するフレームワーク「TableEG」を提案し、これにより合成データと実世界データの誤り分布のギャップを埋め、データクレンジング手法の信頼性あるベンチマーク確立を実現したことを示しています。
A Robust Incomplete Multimodal Low-Rank Adaptation Approach for Emotion Recognition
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。
Let's Think in Two Steps: Mitigating Agreement Bias in MLLMs with Self-Grounded Verification
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。
Flow Matching Meets Biology and Life Science: A Survey
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。
Weak-to-Strong Generalization with Failure Trajectories: A Tree-based Approach to Elicit Optimal Policy in Strong Models
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。
Exposing the Illusion of Fairness: Auditing Vulnerabilities to Distributional Manipulation Attacks
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。
Beyond Benchmarks: Dynamic, Automatic And Systematic Red-Teaming Agents For Trustworthy Medical Language Models
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。