3615 件の論文
2026年6月までの98の文献を対象としたこの系統的な批判的レビューは、新たなクローズドループ・フレームワークを通じてエージェンティックAIのプランニング、メモリ、ツール、および安全性について評価しており、本質的な自己修正は信頼性に欠け、長期的なプランニングは依然として脆弱であり、ツールを使用するエージェントはインジェクションに対して脆弱であることを明らかにするとともに、監査可能なエビデンス・マトリックスと将来の開発に向けた優先順位付きのロードマップを提示している。
本論文は、ブロックチェーンベースのデータダイジェスト・ロールアップを統合することで、インサイダー攻撃と計算オーバーヘッドを軽減しつつ、医療におけるモノのインターネット（IoMT）内の機密性の高い医療データに対して、安全で監査可能かつ効率的な範囲クエリおよび連言クエリを可能にする、ペアリングフリーの証明書レス検索可能暗号フレームワークであるCARE-IoMTを提案する。
本研究は、167,083ラップを用いた厳格なベースライン予測に対してF1のラップタイムおよびタイヤ・デグラデーション・モデルを評価し、それらの予測上の優位性が絶対値ではなく前ラップに対する残差をモデリングすることに主に起因していること、および戦略に関連するパフォーマンスを正確に評価するためには適切なベースライン構築が極めて重要であることを示している。
本論文は、中心化されたアーキテクチャとモンテカルロ法に基づく定常ターゲットを用いることで、最適化の目的を効用最大化から後悔最小化へと転換することにより、非定常性を克服し、MADDPGなどの既存手法を収束性と搾取性の両面で上回る、連続的な一般和ゲームにおける部分ゲーム完全ナッシュ均衡を近似するDeep Regret Actor-Critic（DRAC）アルゴリズムを提案する。
本論文は、構造的MRIデータを用いたアルツハイマー病の診断と解釈性を向上させるために、適応的マスキングとゲート付き融合を用いて、相補的な空間および特徴ベースのグラフビューを活用するマルチビュー・マスク・グラフニューラルネットワークであるMVMGNNを提案する。
本論文は、多様な中間キャプションを生成するためにImage-Number Vectorsを活用し、それらの意味情報を視覚的特徴と統合するための追加のエンコーダを用いることで、MS-COCOデータセットにおいて最先端のモデルに匹敵する、より豊かで解釈性の高い画像記述を生成する、透明性の高い二段階のマルチキャプション融合手法を提案する。
本研究は、大規模言語モデルによって生成されたトレーディング戦略が統計的にランダムな試行と区別がつかず、真のタイミング・スキルを示していないことを実証しており、その見かけ上のパフォーマンスは予測能力ではなく、単に市場へのエクスポージャーに起因していることを明らかにしている。
RuleConExは、アクセス決定、ABAC準拠のIF-THENルール、および妥当な反事実的説明を単一のフォワードパス内で統合し、最先端モデルに匹敵する精度を実現しながら、ユーザー指向の説明可能性と監査者指向の説明可能性の間の調整可能なトレードオフを提供する、本質的に解釈可能なニューラルネットワークである。
本研究は、エージェントレベルの行動的特徴をXGBoostベースの機械学習フレームワークに統合することが、ザンビア独自のデジタル金融エコシステムにおけるモバイルマネー不正検知において、従来の取引のみに基づくモデルを大幅に上回る性能を示すことを実証している。
本論文は、保守的な下界と不確実性指標に基づいて不確実な空間および時間セルを選択的に細分化することにより、Triangle-SDFの連続衝突判定を強化し、計算効率を維持しながら複雑で高速な運動に対する衝突時刻計算の正確性を保証する、ロバストな適応型時空間細分化手法を提案する。