1062 件の論文
本研究は、非構造化された評価フィードバックを、高精度かつカリキュラムに整合したエラーパターンへと変換する検索拡張型大規模言語モデルの手法を提案するものであり、これにより、高等教育における指導の影響を教員チームが振り返り、的を絞ったカリキュラム改訂を導くことを可能にする。
本研究は、ウェブナビゲーションのための支援技術としての4つの主要なLLMベースの対話型エージェントの有効性を評価しており、それらはページ構造を解釈し操作をガイドすることで多様なユーザー層のアクセシビリティを向上させる有望な可能性を示している一方で、その性能はツール間で大きく異なることが判明した。
本論文は、準同型暗号を用いて暗号化されたクラウドデータ上での安全かつ効率的な深層ニューラルネットワーク推論を可能にするプライバシー保護フレームワークであるHE-CloudMLを導入するものであり、既存のソリューションと比較して大幅なレイテンシの改善を実現しつつ、様々なプライバシー攻撃に対する強固な耐性を確保しながら、平文に近い精度を達成している。
本論文は、文脈的な言語理解と構造化された専門知識を組み合わせることで、既存のトランスフォーマー・ベースラインを凌駕し、かつ専門家の推論により密接に適合する、CVSS v3.1 Baseメトリクスの高精度かつ解釈可能な自動予測を実現する、重み付きニューロ・シンボリック・アテンション・モデルであるWSymBERTを導入するものである。
MAP-RAGは、構造化された電子カルテの分解とハイブリッド検索および動的な信頼度ルーティングを統合することで、臨床診断の正確性と効率性を向上させ、ベースラインモデルと比較して複数の診療科にわたる優れた性能を実証する、新しいマルチビュー適応型フレームワークである。
楽観的なベンチマークや精度と公平性のトレードオフによって生じる医療用セグメンテーション・ファウンデーションモデルのトランスレーショナル・ギャップに対処するため、本論文は、アンサンブル戦略による原則に基づいたモデルの相乗効果が、安全で公平かつ臨床的に信頼できるAIの実現においてモノリシックなモデルを凌駕することを実証する、厳格な多次元評価フレームワークであるOrganSegBenchを導入する。
本論文は、BM25とBioBERTベースのセマンティック検索を相互ランク融合（Reciprocal Rank Fusion）と統合したハイブリッド検索拡張生成（RAG）フレームワークを提示し、182,000件の診療記録データセットにおいて従来のベースラインと比較して優れた検索性能を達成することで、説明可能でパーソナライズされた臨床意思決定支援および早期疾患リスク予測を強化するものである。
本研究は、多国間データを利用して優れた母体精神健康リスク予測性能（精度99.86%）を達成しつつ、SHAP解析を通じて主要な臨床的予測因子を特定する、説明可能なハイブリッド古典・量子サポートベクターマシンモデルを提案するものである。
本論文は、Hubble/eBPFネットワークテレメトリを、注意深く構築されたグランドトゥルースラベルと組み合わせることで、Kubernetes環境におけるランタイム攻撃や設定ミスを効果的に検出できることを実証しており、ルールベースの検出器による高い適合率とランダムフォレスト分類器による高い再現率との間のトレードオフがあるにもかかわらず、宛先側のアイデンティティ属性が脅威の最も強力な指標であることを明らかにしている。
本論文は、現実的なクラス不均衡が存在するヘテロジニアスなIoTネットワークにおいて、正常なトラフィックのみを用いて学習し、双方向の時間的エンコーディングを利用することで既存手法と比較して誤検知率と分散を大幅に低減させる、高精度な異常検知を実現する教師なし時空間ハイブリッドオートエンコーダであるST-HAEを提案する。