3821 件の論文
本論文は、線形作用素理論に基づく閉形式の解析手法を導入することで、表形式データの可視化が描画される前にその幾何学的歪みと属性保持コストを予測することを可能にし、歪みがデータではなく設計上の選択によって決定されることを明らかにし、さらに経験的なベンチマークを通じて、単一の手法が普遍的に優位に立つことはないことを実証している。
本研究は、線形プローブが言語モデルの隠れ状態から将来の意味情報を抽出できることを示しており、この直接的な読み出しの有効性と自己回帰的なロールアウトとの間のトレードオフは、埋め込み空間、生成ホライゾン、およびプロンプト固有の予測可能性に依存することを明らかにしている。
本論文は、生体認証プロトコルを厳密に分析する形式検証フレームワークを提示し、L0プロトコルにおける致命的な脆弱性を明らかにし、かつ将来的な仕様修正を必要とするL1プロトコルにおける持続的なアーキテクチャ上のセッション同期のギャップを特定するものである。
本論文は、並列マルチスケール畳み込み、クロススケール融合、およびTransformerベースのグローバルモデリングを統合することで、変動する運転条件下における堅牢な産業用異常音検知を実現するHybrid Multi-Scale Convolutional Spectrogram Transformer (HMCST) を提案し、MIMII DUEおよびToyADMOS2データセットにおいて平均精度90.10%、AUC 95.25%という優れた性能を実証している。
本研究は、ソーシャルネットワーク構造、エンゲージメント指標、およびコミュニティの冗長性を活用することで、差分プライバシー制約下での高い有用性を維持しつつ、従来のターゲティングポリシーを凌駕する、プライバシー保護型かつ適応的な電子商取引広告フレームワークを提案し、検証するものである。
本研究は、公共政策、金融、およびヘルスケアの領域における10,426人の参加者を対象に、操作的なAIモデルの振る舞いと影響を評価しており、プロンプトによってAIの操作性を制御できる一方で、その有効性は文脈に強く依存し、地理的領域によって大きく異なることを明らかにしている。
本論文は、曖昧な境界やモダリティ間の差異といった課題に効果的に対処するために、特化したアテンションおよび融合モジュールを組み込んだデュアルエンコーダネットワークであるDECSDF-Netを提案し、MRIおよび超音波の両データセットにおいて最先端の胎盤セグメンテーション性能を達成している。
本論文は、大規模なカーネル畳み込み探索空間と効率的な勾配推定戦略を特徴とする新しいニューラルアーキテクチャ探索手法であるLarKNASを紹介するものであり、これは手設計されたアーキテクチャに匹敵する性能を持つ大規模な畳み込みモデルを、探索コストを大幅に削減しながら発見するものである。
本論文は、エージェント間および検証器間の相関誤差をモデル化して主張依存グラフを構築し、検証ステップを貪欲に選択する、マルチエージェントLLM推論のためのリソース配分フレームワークであるCAVEATを導入しており、これにより、既存の手法と比較して計算コストを削減しながら、精度とキャリブレーションを大幅に向上させている。
HGIRankは、相補的なエゴ、拡散、およびコアのハイパーグラフ・ビューを構築し、高次構造的コンテキストを捉えるための適応型推論メカニズムを採用することで、ファインチューニングなしで異種ネットワーク全体にわたる優れた汎用性を実現する、マルチビュー・ハイパーグラフ推論フレームワークである。