3900 件の論文
本論文は、仮説的な外生ノイズを用いた双子世界構造拡散プロセスを通じて、一貫した事実的および反事実的な未来を生成することにより、都市予測、反事実推定、およびリスクを考慮した意思決定を統合する因果的生成ワールドモデルであるCauCity-WMを導入する。
本研究は、ノバク・ジョコビッチのグランドスラムのデータに適用された解釈可能なアンサンブル機械学習ワークフローが、セットの勝敗に対して高い予測精度を達成するだけでなく、個別のモデルでは見落とされがちなバックハンドのリターンといった選手固有のパフォーマンス指標をも明らかにするものであることを示している。
VectorLLM++は、座標とマスクのための新しいトークナイザーを導入することで、データの不足と構造化されたベクトル出力の欠如を克服し、7つの多様なリモートセンシング知覚およびベクトルマッピングタスクにおいて特化型モデルを凌駕することを可能にした、統一された次トークン予測マルチモーダル大規模言語モデルである。
本論文は、フェデレーテッドラーニングのためのビザンチン耐性のある集約アルゴリズム（Krum、Multi-Krum、Trimmed Mean、およびMedian）の高性能なC++20実装を提示および評価し、明示的なビザンチン仮定と数値的に防御的なネイティブシステム設計を組み合わせることで、敵対的な更新に対する堅牢性を維持しつつ集約を大幅に加速できることを、厳格な正当性チェックとベンチマークを通じて実証するものである。
本論文は、アイデンティティを署名付きトークンに紐付け、暗号学的ノンスを用いた厳格な登録リースを強制し、許可された最新かつ失効していない参加者のみがグローバルモデルに影響を与えられることを保証するために、22の敵対的シナリオに対して厳密なテストを行うことで、ネットワーク認証とモデルへの影響力を分離した、フェデレーテッドラーニングのためのポリシーゲート型ゼロトラストアーキテクチャを提案し、検証するものである。
この系統的レビューは、Mixture-of-Experts（MoE）アーキテクチャにおける適応型ルーティングと再帰的学習を区別することで、動的な計算とエキスパートの専門化に関する現在の文献を統合しつつ、ルーティングの安定性やリソース制約下でのインテリジェントな割り当てといった課題に対処するための研究アジェンダを概説する、Recursive Adaptive Recursive Learning（RARL）フレームワークを提案するものである。
本研究は、制御されたシミュレーションおよび実世界のベンチマークの二次解析を通じて、ソフトウェア欠陥予測においてプールされたランダムな訓練／テスト分割を用いることが、プロジェクトを考慮した検証手法と比較して系統的に楽観的な性能推定をもたらすことを実証しており、プロジェクトの境界を尊重する評価プロトコルの極めて重要な必要性を強調している。
本研究は、デング熱のアウトブレイク予測のための信頼できるAIフレームワークを提示するものであり、これは、ベースラインモデルを凌駕し公衆衛生上の意思決定を支援するために、Temporal Fusion Transformerを、確率的な不確実性推定、固有の解釈可能性、およびルールベースのリスク層別化と統合したものである。
本研究は、クォーラム制限付きの非同期連合学習設計が、最終的な精度を大きく損なうことなく、ストラグラによるレイテンシを最大72%効果的に削減できることを実証すると同時に、データの不均一性が敵対的クライアントによって引き起こされる収束へのダメージを決定的に増幅させることを明らかにしている。
本論文は、多様な条件下で5つの異なる攻撃ファミリーを評価する、深刻度を較正した連合学習のための敵対的ベンチマークを導入し、攻撃の大きさだけでは被害の不十分な指標であり、堅牢なセキュリティ評価には攻撃の幾何学的形状、悪意のある集団の割合、および集約ルールを考慮しなければならないことを実証するものである。