3615 件の論文
PatchPilotは、決定論的なバージョン選択およびビルド判定と、境界が設定され同意に基づいたLLMによるソース修復を厳格に分離することで、検証可能な不変性とロールバック機能を通じて安全性を確保し、依存関係の脆弱性への対処を改善するVisual Studio Code拡張機能である。
本論文は、生成モデルの崩壊を検出し緩和するために、暗号学的プロベナンスと恒常性制御メカニズムを統合したクローズドループフレームワークであるHOMEOSTASISを導入し、リアルタイムのモニタリングと適応的なデータミキシングを通じて、分布の多様性を維持する上で顕著な改善を示すものである。
本研究は、555件のGitHubリポジトリのガバナンス・アーティファクトを実証的に分析しており、それらが知識移転やコーディング標準の促進には効果的である一方で、堅牢な監視メカニズムを欠いており、組織の成熟度やドメインとの系統的な相関関係も見られないことを明らかにしており、曖昧な指示や断片化といった重大な負債を浮き彫りにしている。
本論文は、偵察、ファームウェア解析、およびヒューマン・イン・ザ・ループ制御を統合し、ATmega328PマイクロコントローラとArtix-7 FPGAの両方に対してレーザー故障注入攻撃を正常に実行および検証することに成功した、自律的なLLMベースのエージェントを提示しており、物理的なハードウェアセキュリティ評価のためのスケーラブルなワークフローを実証している。
本論文は、PlantSegベンチマークを監査することで、10.7%の画像がスプリット間での視覚的ファミリーの混入（cross-split visual family contamination）に苦しんでおり、それがモデルの性能を11〜15%人工的に膨張させていることを明らかにし、グループ間で互いに素なスプリットを構築することが、疾患クラスの網羅性を損なうことなく評価の独立性を効果的に回復できることを示している。
本研究は、年齢一致アトラス登録を利用して凍結されたSegment Anything Modelを誘導する、学習不要の頭蓋除去パイプラインであるSAM-NeuroAdaptを導入するものであり、アトラスによる誘導が（特に乳幼児のMRIにおいて）精度の主要な推進力であることを示し、タスク固有の学習を必要とせずに、学習済み手法と同等またはそれ以上の性能を発揮する。
本論文は、孤立した文字から学習データを合成することで従来の文字ベースの手法よりも大幅に低いエラー率を達成する、初のセグメンテーションフリーな手書きメイテイ・マエック単語認識器を紹介するとともに、当該スクリプトにおける特定の言語学的および位置的な課題を特定するものである。
本論文では、局所的な構造の完全性を保持するためのVision Liquid Time-Constantモジュールと、周波数に配慮した特徴量の相補性のためのCross-Modal Wavelet Fusionモジュールを統合した、新しいRGB-D顕著物体検出フレームワークであるLWNetを提案し、これにより既存のCNN、Transformer、およびMambaアーキテクチャの限界を克服しつつ、自然画像およびリモートセンシングの両方のベンチマークにおいて最先端の性能を達成する。
本論文では、高度な自然言語処理技術を活用して学術的な質問を正確に分類し、プログラム名を特定することで、高性能な知識グラフ質問応答のための精密なCypherクエリを生成する、新しいデュアルモジュール・フレームワークであるDuoKGQAを提案する。
本論文は、臨床的根拠に基づく心理言語学的マーカーと標準的なテキスト特徴量を融合させ、解釈可能なアンサンブルモデルを採用することで、ベンガル語のソーシャルメディアにおけるうつ病検出において高い精度（F1スコア91.69%）を実現する、透明かつ再現可能な機械学習パイプラインを提示するものである。