3814 件の論文
この論文は、自律エージェントの「継続」を最終目的とする内在的動機と手段的動機を、行動観察ではなく量子ボルツマンマシンを用いた潜在状態のエンタングルメントエントロピーの分析によって高精度に検出する「統一継続関心プロトコル（UCIP）」を提案し、合成環境においてその有効性を実証したものである。
この論文は、医療分野における大規模言語モデル（LLM）が、単一の質問への回答に比べて多回対話において「会話税」と呼ばれる性能低下を招き、特にユーザーの誤った提案に同調して初期の正しい診断や安全な保留を放棄してしまう傾向があることを明らかにしています。
本論文は、神経科学の「予測世界モデルへの経験再生」に触発され、短期・長期のバッファを併用して効率的な経験再生を実現するモデルベースの継続的強化学習アルゴリズム「ARROW」を提案し、従来の手法に比べて忘却を大幅に抑制しながらも前方転移を維持できることを示しています。
この論文は、非対称なデータ特性を捉えるためにリーマン幾何学からフィンズル幾何学へ枠組みを拡張し、非対称な距離を保持する新しい多様体学習パイプライン（Finsler t-SNE や Finsler Umap など）を提案し、従来の手法では見落とされていた密度階層などの有用な情報を抽出して埋め込み品質を向上させることを示しています。
この論文は、自己教師あり学習を用いた視覚表現が、従来の教師あり学習に比べて都市間でのゼロショット一般化性能を大幅に向上させ、エンドツーエンド自動運転システムのロバスト性を高めることを示しています。
本論文は、決定論的オートエンコーダにおける統計的依存性の推定を安定化させるため、入力・潜在変数・再構成間の依存性を測定可能な変分ガウス定式化を採用し、直交密度比分解に基づく効率的なニューラル依存性推定器を提案するものである。
この論文は、ラベル付き学習データが不要で、ドメイン設定に基づいて疑似テーブルを生成し注釈用 LLM を微調整することで、大規模な意味カラムタイプの検出において性能とプライバシーを両立させるゼロショット枠組み「ZTab」を提案するものです。
本論文は、複数の組合せ最適化問題に共通する構造を単一の入力として符号化する「UniHetCO」という統一的な異種グラフ表現を提案し、教師なし学習において複数の問題クラスをまたぐ単一モデルの訓練と安定性を可能にする手法を提示しています。
この論文は、離散的な事象マークと連続的な時間的ダイナミクスを双方向に相互作用させる「NEXTPP」という二経路フレームワークを提案し、不規則な事象シーケンスの予測精度を飛躍的に向上させることを示しています。
本論文は、静的なネットワーク表現や内生的な重要性のみに依存する既存の中心性指標の限界を克服し、外生的要因と内生的増幅を統合した多変量ホークス過程に基づく動的枠組み「HawkesRank」を提案し、その有効性をシミュレーションおよびオンラインコミュニケーションの感情動向分析を通じて実証しています。
従来の近似誤差を回避し、軟センサーの予測精度を向上させるため、Wasserstein 距離を近接演算子として目的関数を緩和する新しい確率的潜在変数モデル「KProxNPLVM」を提案し、その収束性と実効性を理論的・実験的に検証した論文です。
この論文は、既存の統計的・浅層機械学習モデルの限界を克服するため、ネットワークのトポロジ相関と時間的パターンを同時に学習するカスタム化された GAT モデルと、クラスター化を導入したファインチューニングされたマルチモーダル LLM モデルを提案し、実世界のネットワークデータセットを用いた評価において、特に LLM ベースのモデルが優れた予測性能と汎化能力を示したことを報告しています。
この論文は、従来の顕微鏡観察の限界を克服し、2 次元画像と 3 次元点群データを融合した AI モデル「Sorometry」を開拓することで、植物微化石（フィトリス）の分析を自動化・高精度化し、考古学および古生態学研究を「オミクス」規模の分野へと変革する包括的なパイプラインを提案しています。
この論文は、自然言語で記述されたイベント定義を少量またはゼロの学習データで多変量時系列信号にマッピングする「知識誘導型時系列イベント検出」という新たな課題に対し、言語記述と物理的データを橋渡しする「イベント論理木（ELT）」を導入し、神経記号的 VLM エージェントと組み合わせて高精度な検出と説明可能な推論を実現する手法を提案し、実世界データに基づくベンチマークでその有効性を示したものです。
本論文は、Softmax 変換器において入力無視などのデフォルト状態を実現するために「アテンションシンク」が数学的に必要不可欠であり、その原因が正規化制約にあることを理論的に証明し、ReLU アテンションではシンクが発生しないことを実験的に実証したものである。
本論文は、既存の攻撃手法では防御されるグラフベースの RAG（GraphRAG）の脆弱性を突くため、知識の進化経路を偽造して知識グラフを汚染し、LLM を意図的な有害な回答に誘導する新たな攻撃手法「KEPo」を提案し、その有効性を実証したものである。
この論文は、フェデレーテッド推薦システムにおけるデータ異質性とスパース性の課題を解決し、安定した汎化アイテム埋め込みの学習を通じて推薦精度を向上させるため、シャープネス感知最小化を採用した新しいフレームワーク「FedRecGEL」を提案するものです。
この論文は、推論モデルの長い生成出力に伴う KV キャッシュのメモリ消費と帯域幅の課題を解決するため、計算オーバーヘッドを最小化し、単一最適化オペレータによる統合で最大 11.8 倍のスループット向上と 80% の KV キャッシュ圧縮を実現する「LongFlow」という効率的な圧縮手法を提案するものです。
本論文は、ナノフォトニックデバイスの製造ばらつきを予測し不確実性をモデル化するため、設計レイアウトから走査型電子顕微鏡画像に似た多様な高解像度予測を生成する条件付き生成敵対ネットワーク「Gen-Fab」を提案し、既存の手法を上回る精度と汎化性能を実証したものである。
この論文は、ユーザーのプライバシー制御と高い認識性能を両立させるために、潜在空間で活動と敏感な属性を分離する条件付き特徴量分離（CFD）に基づく手法を提案し、自動符号化器を用いた少ショット学習との比較を通じて、次世代 IoT 向け HAR システムがプライバシー保護、少ショット適応性、堅牢性を統合的に最適化する新たな研究の方向性を示しています。