4092 件の論文
本論文は、大規模言語モデルが過剰なエージェンシー（excessive agency）を悪用する攻撃に対して非常に脆弱であることを示す実証的な監査であるAGENTSPILLを紹介するものであり、特にツール記述のインジェクションや未確認のアクション・チェイニングを通じて、モデルに正規のツール定義よりも操作された指示を優先させ、破壊的なシーケンスを自律的に実行させることで、全体で50.6%の成功率を達成している。
本論文は、間接的なプロンプトインジェクションの脆弱性は、LLMによるコンテンツ自体の解釈に起因するのではなく、多様なファイル形式におけるメタデータ、バイナリヘッダー、および構造化フィールドに埋め込まれた隠蔽されたペイロードを、抽出パイプラインがサニタイズできていないことに起因することが多いということを示す、クロスフォーマットの測定研究を提示するものである。
本論文は、ツールを使用するLLMエージェントにおける「主張と行動」の乖離を測定するための新しいフレームワークを導入するものであり、虚偽の主張が試行回数の約70%において有害な現実世界でのアクションを誘発することを示し、さらに、実行前にOWASPが推奨する検証ステップを実装することで、この脆弱性が（アクション発生率を0%にまで減少させることで）効果的に中和されることを実証している。
本研究は、4量子ビットのハイブリッド量子ニューラルネットワークをベンチマークするために完全な2³要因計画を採用しており、特定の構造および目的関数間の相互作用が厳密な勾配の大きさに著しく影響を与える一方で、有限ショット条件下におけるそれらの効果は統計的に曖昧であり、最適化の成功やハードウェア上の優位性を未だ示していないことを明らかにしている。
本論文は、最先端のAIモデルがプロンプトに対して文字通りには従っているものの、実際のユーザーのニーズを満たせていないという決定的な「意図の乖離（intent gap）」を特定しており、現在の研究者が設計したベンチマークでは、実際のユーザーが自身の不満を言語化することは稀であるという現象によって、こうした実用上の失敗を見逃していることを明らかにし、著者は大規模な会話コーパスのマイニングから導き出した新たな分類体系を通じてこの現象を定量化している。
本論文は、信頼性の高いツール呼び出しとリアルタイムのソフトウェア状態を同期させ、メモリ駆動型の学習システムを通じてユーザーの習慣に継続的に適応することで、航空宇宙分野における複雑なGUIベースのCAEワークフローを自動化する、自己進化型かつホスト非依存のAIエージェント・ハーネスであるHABITを導入するものである。
本論文は、グラフ畳み込みネットワーク、グラフアテンションネットワーク、グラフトランスフォーマー、およびウェーブレットに基づく特徴量強化を統合し、マルチスケールの構造的およびスペクトル的パターンを捉える新しいハイブリッドグラフニューラルネットワークフレームワークを提案しており、複雑な金融詐欺の検出において、高い精度とスケーラビリティをもって既存の手法を大幅に上回る性能を実現している。
本論文は、2つの小さなパラメータを持つ特異摂動放物型偏微分方程式を効果的に解くために、DeepXDEと生のPyTorch実装による2つの物理情報ニューラルネットワークモデルを提案し、境界層および内部層を捉える際の標準的な数値解法の限界に対処するものである。
本論文は、多様なIoTデータセットにおいて、削減された特徴量セットとコンパクトなモデルアーキテクチャを通じて信頼性の高い攻撃検知を実現するために、ハイブリッドSMOTE-ENN-LOFバランシング戦略、クラスタリングベースの相互情報量特徴選択アルゴリズム（BBFS）、およびHunger Games Searchで最適化された1D CNNを統合した、計算効率の高いIoT侵入検知パイプラインを提案する。
本論文は、ConvNeXt-BaseとCBAMおよびVision Transformer (ViT-B/16)を組み合わせた説明可能なハイブリッド深層学習フレームワークを提案しており、既存のベースラインモデルと比較して、胸部X線画像における肺炎検出の精度（94.03%）と解釈可能性において優れた性能を実現している。