3643 件の論文
本研究は、MobileNetV2モデルとTensorFlow.jsを活用し、サーバー・インフラストラクチャや専用ハードウェアを必要とせず、クライアント側のみで新鮮な農産物と腐敗した農産物を98.46%の精度で分類することを実現した、リソース制約のある農業環境向けの拡張可能なソリューションとなる軽量なブラウザベースのシステムを提示するものである。
本論文は、プロンプトチューニングを離散時間フィードバック制御ループとして扱う誤差駆動型のプロンプト最適化フレームワークを提案しており、これが金融推論タスクにおいてLoRAやフルファインチューニングと同等の性能を達成しつつ、それらよりも大幅に少ないエネルギー消費を実現することを実証している。
MemHRLは、レベル認識型リトリーバルと失敗認識型コンソリデーションを用いた、長期的な展望を持つLLMエージェントのための階層的なメモリおよびポリシー・アライメント・フレームワークを提案しているが、制約のあるScienceWorldおよびWebShopのサブセットにおける評価では、限定的な性能向上しか示されず、制限されたプロポーザル下におけるコンパクトなポリシー・メモリ・メカニズムの課題が浮き彫りになっている。
本論文は、デジタルツインのワークフローのための3層の視覚的抽象化フレームワークを提案するものであり、これによりドメインエキスパートが量子・古典ハイブリッド・サブルーチンを構成する際に、実行時ではなく構成段階において、アンシラ予算や回路深さといった重要なリソース制約を強制することを可能にし、低レベルのゲート詳細を露出させることなく、ハイブリッド量子タスクの物理的な実現可能性を保証する。
本論文は、エネルギーガバナンス・コンプライアンスへの適合に向け、ドキュメントスライスの文脈化（Document Slice contextualization）と2層構造のルーティングエージェントを用いることで、ベースラインに近い検索精度を実現しつつ、エネルギー消費量、排出量、および推論時間を劇的に削減する、持続可能でローカルなRAGアーキテクチャを提案する。
DISCは、局所的な幾何学的エントロピーを利用してアフィニティ指標を歪ませ、クリーンで断片化されたグラフを構築し、それを深度ガイド付きフローによって極めて純度の高いアトラクター・ベイスンへと分割した上で、マージすることで多様なデータセットにおいて最先端の性能を達成する、新しいグラフベースのクラスタリングアルゴリズムである。
本論文は、rectified attentionにおける「Score-Shift Pathology」を解決する、学習可能な層ごとの閾値を組み合わせたパラメータフリーの因果的FIRキー平滑化手法である**pn_fir_tau**を導入し、これにより完全な連想想起を実現し、アテンション・シンクを排除し、モデルが最先端のパープレキシティを維持しながら回答不能なクエリを効果的に沈黙させることを可能にする。
本論文は、非整列のRGB-T顕著物体検出を扱うために設計された、セマンティック・プライア誘導型漸進的アライメントおよびゲート付き双方向融合ネットワークであるSPAFNetを提案しているが、UVT20Kデータセットにおける報告された性能指標は予備的な段階に留まっており、統計的な検証を欠いている。
本論文は、人間の理論的・メカニズム的・経験的（TME）フレームワークを適応させ、構造化されたレビュー、プロベナンス（由来）追跡、およびゲート付き実行を統合することで、安全なリリース前の限定されたエピソード内における不一致を解消し、AIエージェントにおける認識論的修正を強制するクローズドループ型のシステムエンジニアリング・アーキテクチャである「TME LLM OS」を提案する。
STEP-VERIFIERは、自動生成されたペア比較を通じてエージェントの個々の行動を検証することを学習するプロセス報酬モデルであり、デプロイ時には検証器への依存を必要とすることなく、複雑なツール利用タスクにおけるエージェントの性能を大幅に向上させるための高密度な中間フィードバックを提供します。