3881 件の論文
本研究は、脳腫瘍MRI分類における名目上同一であるディープラーニングの実行過程における制御不能な確率的変動が、異なるモデルアーキテクチャ間の性能差を上回る可能性があることを示しており、それによって標準的なアブレーション研究の信頼性を損ない、より厳格な再現性プロトコルを必要としている。
本系統的レビューは、数学学習における困難の早期発見と透明性の高い説明を可能にするためのマルチモーダルな教育データを用いた説明可能な機械学習手法に関する研究を統合し、現在の課題を浮き彫りにするとともに、プライバシー、標準化、および倫理的な展開に焦点を当てた将来の研究アジェンダを提案するものである。
本論文は、ドメインシフトの課題に対処するために、異種混合のヘルスケア環境における識別能、較正能、説明可能性、堅牢性、および臨床的有用性を評価することにより、臨床機械学習モデルの信頼性を体系的に監査する、オープンソースで再現可能なフレームワークであるAETHELを紹介するものである。
本論文では、境界層の漸近展開をネットワーク構造に組み込むことで標準的なPINNのスペクトルバイアスを克服し、急峻な勾配を持つ非定常な特異摂動対流拡散反応方程式の解法において高い精度と安定性を実現する、漸近埋め込み型物理情報ニューラルネットワーク（AE-PINN）というメッシュフリーのディープラーニングフレームワークを提案する。
本論文は、LLMの拒絶検知における一見非決定的な挙動が、主に修正可能な検出器のアーティファクトに起因していることを明らかにする三段階の調査を詳述しており、それらのアーティファクトはモデル間で一般化可能である一方で、正確な安全性評価を確実にするために手動による監査とデータギャップの透明性のある報告を必要とする特定の偽陽性パターンを導入するものである。
本論文は、エージェント型AIのセキュリティに関するバランスの取れた300プロンプトのベンチマークであるSafeAgent-300を紹介し、6つのモデルを評価することで、モデルの保守性における顕著な格差を明らかにし、Google Geminiモデルにおける自発的なツール呼び出し挙動を突き止め、さらに、プロンプトの洗練度と違反検知率の関係性を歪めている決定的な検出器のカバー範囲の欠落を特定するものである。
本論文は、7つのフレームワークを用いた制御された評価を提示し、攻撃タイプとモデルの選択がツールを使用するLLMエージェントのセキュリティに大きな影響を与える一方で、オーケストレーション・フレームワークの選択は、特定のアダプターの欠陥を補正した後でもなお、わずかながら統計的に有意な失敗率の上昇を示すCrewAIという顕著な例外を除いて、セキュリティ態勢に対して意味のある影響を与えないことを実証している。
本研究は、26件のAIを用いたアルツハイマー病検出に関する論文からエビデンスを統合し、報告されている研究内精度は高いものの、当該分野において外部妥当性の検証、マルチモーダルな統合、および言語的多様性が決定的に不足していることを明らかにしており、堅牢で再現可能、かつ臨床的に転用可能なモデル設計への転換が必要であることを示している。
本論文は、信頼できるフロンティアを再構築し、標準的な契約から残留義務を導出し、有効かつ新鮮で一意に一致するエビデンスによって裏付けられた承認済みの効果を通じてのみ状態を進めることにより、部分的に実行された言語モデルエージェントのワークフローからの安全なリカバリを保証する、実行時の継続メカニズムを提案するものである。
本論文は、YOLOベースの歩行者検出におけるデノイザーの有効性を評価するための構造保存スコア（SPS）を導入し、勾配大きさ相関のような特定のバリアントは既知のノイズレベル内においてデノイザーの順位付けを行うことができる一方で、非線形的かつアーキテクチャ依存の要因により、未知のデノイザーやノイズ条件下において検出性能を普遍的に予測できる単一の画像レベルの指標は存在しないことを明らかにしている。