One Model, Many Skills: Parameter-Efficient Fine-Tuning for Multitask Code Analysis
本論文は、コード分析タスクにおけるマルチタスク学習とパラメータ効率型微調整(PEFT)を統合した初の包括的評価を行い、単一の共有 PEFT モジュールがフル微調整に匹敵する性能を発揮しつつ、ストレージや計算コストを大幅に削減できることを示し、さらにタスクの組み合わせやモデル構造が成功に与える影響を明らかにした。
5628 件の論文
本論文は、コード分析タスクにおけるマルチタスク学習とパラメータ効率型微調整(PEFT)を統合した初の包括的評価を行い、単一の共有 PEFT モジュールがフル微調整に匹敵する性能を発揮しつつ、ストレージや計算コストを大幅に削減できることを示し、さらにタスクの組み合わせやモデル構造が成功に与える影響を明らかにした。
この論文は、OER(オープン教育リソース)の普及を阻む社会的・経済的・技術的な 26 の障壁を特定し、専門家へのインタビューと概念モデルの構築を通じて、教育コミュニティや政策立案者がこれらの障壁を克服し、包括的な教育エコシステムを構築するための示唆を提供しています。
本論文は、大規模な学習における専門的な自動化(フィードバック、評価、教育用チャットボットなど)をプラットフォームに依存せず実現するため、4 つの機関で実証された教育マイクロサービス向けの標準 API 仕様「Ed」を提案し、相互運用可能なエコシステムの構築を目指すものである。
本論文は、司法量刑支援における公平性を検証するため、LLM が「徳ある被害者効果」や「ハロー効果」などの認知バイアスを示すかを実証的に調査し、人間と比較してバイアスが軽減される傾向があるものの、モデル間のばらつきにより現状の司法利用には課題が残ることを明らかにしています。
この論文は、EU の AI 法に基づく一般目的 AI モデルのリスク評価において、規制当局が意図する目的に合致し、かつ提供者への過剰な負担を避けるために、科学的な手法を用いて「比例原則」を実践的に運用する可能性を論じています。
この論文は、大規模言語モデル(LLM)がユーザーの意見に与える影響を、民主的な審議プロセスに基づく規範的な基準「DeliberationBench」を用いて評価し、実験を通じてその影響が広範に認識論的に望ましい方向に働いていることを示しました。
この論文は、AI が神聖な存在として扱われる「GPTheology(大規模言語モデル神学)」という新たな技術宗教の台頭を、オンラインコミュニティの議論や世界各地の具体事例を通じて分析し、AI と宗教の交錯がもたらす哲学的・社会的・倫理的な課題を浮き彫りにしています。
この論文は、アプリ開発者が意図的か否かを問わず生じうるダークパターンを特定し、消費者保護法の原則に基づきユーザーの自律性を尊重する透明な設計戦略を提案することで、法的リスクを回避し信頼を構築する方法を論じています。
この論文は、生成 AI やアルゴリズムなど新技術に対して法制度を「未来-proof(将来に備えて強化)」すべきだという通説に反論し、むしろ新技術が法によって抑圧されることからの保護を求め、個別の規制ではなく、一般性・安定性・適応性を備えた既存の慣習法による司法判断の積み重ねこそが、技術と法の自由な進化を可能にするという「規制抑制」の立場を提唱しています。
本論文は、消費者保護法の歴史的変遷からデジタル時代におけるAIやビッグデータがもたらす新たな課題、そしてプライバシー法やダークパターン規制などの対応策に至るまでを概観し、消費者保護の枠組みに内在するトレードオフを論じている。
この論文は、500 件以上の研究を統合してデジタル技術が認知に与える負の影響(特に生成 AI による高次認知機能の侵食)を分析し、短期的な効率化と長期的な認知機能の衰退という「効率と萎縮のパラドックス」を指摘するとともに、今後の縦断研究の必要性を強調しています。
この論文は、理論的根拠に基づいたゲーム理論的評価枠組み(QRE)を導入し、大規模言語モデルの戦略的推論能力を人間のデータと比較して連続的な尺度で定量化・検証する手法を提案し、その有効性と課題を示しています。
本論文は、スマートホームの IoT 環境において、ラベル不要の自己教師あり学習と軽量トランスフォーマーを活用し、複数の故障や居住者が混在する状況下でも高精度かつエッジデバイス上で動作可能なセンサー故障検出・特定手法「Tureis」を提案するものである。
本論文は、NetSecGame 環境において IP アドレスの再割り当てという単純な変化が自律攻撃エージェントの一般化能力に与える影響を評価し、メタ学習エージェントは部分的な適応を示すものの、推論コストや透明性の欠如などの課題はあるものの、事前学習済み LLM ベースのエージェントが保持されたテスト条件下で最も高い成功率を達成したことを明らかにしています。
OmniGuide は、3D 空間における微分可能なエネルギー関数として任意のガイダンス源を表現し、VLA モデルの行動サンプリングを誘導することで、複雑なタスクにおける汎用ロボット政策の成功率と安全性を大幅に向上させる柔軟なフレームワークを提案するものです。
OAuthHub は、ユーザーの個人端末を仲介コントローラーとして活用し、OAuth アプリのデータ過剰アクセスを防止しつつ、開発者が従来の API よりも少ないコードで迅速にデータアクセス制御を実装できる新しい開発フレームワークを提案し、その有効性を評価した論文です。
この論文は、物理シミュレーションモデルを必要とせず、製造制約を考慮したデータ駆動型の共最適化パイプラインを通じて、自由変形する柔軟なセンサーの配置と形状予測ネットワークを同時に最適化し、変形予測精度と実用性を大幅に向上させる手法を提案しています。
本論文は、人間とロボットの協調作業における安全性向上のため、視覚言語モデルを用いた早期行動予測の信頼性を評価し、部分的な観測下での不確実性定量化と選択的予測のための新たな評価プロトコルと指標を提案するものである。
本論文は、プライバシー規制やガバナンスリスクを克服し、認証・認可・監査(AAA)機能を統合した新しいフェデレーティッドラーニング基盤「FLA³」を提案し、多国籍医療研究における実用性と臨床的有用性を検証したものである。
本論文は、リレーショナル計算と代数を拡張した「カテゴリカル計算」と「カテゴリカル代数」という 2 つの形式クエリ言語を提案し、それらの等価性、最適化のための変換規則、および表現力と計算複雑性を分析することで、マルチモデルデータベースの理論的基盤を確立するものである。