3962 件の論文
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。
本論文は、大規模多言語モデルにおけるヒンディー語の表現を用いて低リソースのデーヴァナーガリー文字言語（マイティリー語、ネパール語、およびボージュプリー語）を生成するための、推論時ステアリングのメカニズム的限界を調査しており、単一のベクトルシフトによって対象言語への準拠を誘導できる一方で、それが必然的に流暢性の崩壊を引き起こすことを明らかにし、ステアラビリティ（制御可能性）がモデルの能力や語彙の重複ではなく、線形分離可能性によって制約されていることを示している。
本論文は、大規模なファジングキャンペーンにおいてBouncy Castle 1.85の耐量子デコードおよび検証パスに欠陥は見つからなかった一方で、ポジティブコントロール・アプローチを用いることで、Bouncy Castle 1.84および複数のJDKリリースにおける重大な長さ検証の不備を特定することに成功し、テストハーネスの妥当性を検証できたことを実証しており、これらの実装は判断の論理自体ではなく、チェックが行われるタイミングのみが異なっていることを明らかにしている。
この事前登録された研究は、ショウジョウバエの脳のトポロジーが言語モデルを改善できるかどうかを体系的に検証したが、様々なアーキテクチャへの統合にもかかわらず、ハエ由来の配線は、負の対数尤度の低減や連想検索の向上において、ランダム、次数一致、またはバニラなベースラインと比較して測定可能な優位性を示さなかった。
本論文は、意味を維持する類義語置換の下でアトリビューションの一貫性を強制する学習時の手法であるLatent Attribution Regularization (LAR) を導入し、それがモデルの精度を損なうことなく、ファインチューニングされたTransformerにおける勾配ベースの説明の安定性を大幅に向上させることを実証するとともに、そのような安定性を正確に測定するためには適切なトークン・アライメントが不可欠であることを確立するものである。
本論文は、従来の集中型システムの限界に対処しつつ、クラウド環境における安全なVM管理、ユーザー認証、およびリアルタイムの脅威検知を強化するために、ブロックチェーン技術とアンサンブル学習を統合した新しいフレームワークであるTMB-CMSBTを提案する。
本論文は、コード難読化が静的特徴量に与える影響を分析し、複数の特徴を融合するネットワークを用いて、耐性のある静的ビューを画像表現へと変換することで、難読化された訓練サンプルを必要とすることなく、多様な難読化技術に対して高い精度と汎用性を実現する、堅牢なAndroidマルウェア検出スキームであるTriFuseDroidを提案する。
本研究は、マルチビュー・アテンション機構を利用したCNNやVision Transformerを含む10種類の多様なディープラーニングモデルが、X線画像における膝蓋骨骨折に対して高い診断精度と迅速な処理速度を達成していることを示しており、資源の限られた環境においても臨床意思決定支援ツールとしての強力な潜在能力を有していることを示唆している。
本研究は、制約を考慮したルールベースのワークフローを通じて、授業および論文・卒業研究発表のスケジューリングを統合するウェブベースの意思決定支援システムを提示しており、2つの高等教育機関への導入において高いユーザー満足度と運用効率を実証している。