929 件の論文
本論文は、生の精度ではなく人間中心の意思決定コストを最適化することにより、合成シミュレータを用いて学習を行い、最小限の計算量で高い信頼性を実現しつつ、真の生理学的異常とスマートテキスタイル・センサーの劣化およびアーティファクトを区別する、説明可能かつ倹約的なAIフレームワークであるHCLM-SmartTexを提示する。
本論文では、制御されたLLMによる候補生成、ランクを考慮したセマンティック・スコアリング、二重のポピュラリティ・モデリング、およびMLPベースの融合を組み合わせることで、データスパース性とセマンティック・ギャップを効果的に解決し、最先端のベースラインに対して大幅な性能向上を実現する、新しい学習不要のフレームワークであるHPG-Recを提案する。
本研究は、複雑なコンクリート打設の無線ログを7つの意味的軸に分類してハザード信号、制御アクション、および状況状態を導出する、2層のオントロジーに基づくフレームワークを提案しており、ルールベースの抽出において高い一致率を示す一方で、今後の検証に向けたローカルLLM手法における限界を特定している。
本論文は、文字頻度をコンパクトなユークリッド空間へとエンコードすることで、マイクロテキストにおける言語識別を行うための超軽量な幾何学的手法を提案し、従来のベースラインと比較してデータの希薄性や歴史的変動に対する優れた堅牢性を実証するとともに、エッジコンピューティングに向けた大幅な計算効率性を提供するものである。
本論文は、矛盾を認識しループ構造を設計されたAIエージェントのスキルが、高リスクな意思決定グレードの留学戦略を生成するにおいて、ベースラインの妥当性0%および断片的な結果に対し、100%の妥当性と包括的な出力範囲を達成することで、従来のウェブ検索を厳格に凌駕することを実証するものである。
このポジション・スタイルによる二次解析は、結腸CADシステムは「検出優先、グレード判定後」のワークフローを採用し、ステージ別の指標を用いて評価されるべきであると主張しており、既存データの再解析を通じて、そのようなアプローチが臨床病理学のワークフローにより適合すること、および、グレード判定エラーの大部分は臨床的に重要性の低い隣接グレード間の入れ替えであることを示し、さらに、疾患の有病率が陽性的中率に及ぼす決定的な影響を浮き彫りにしている。
本論文は、テスト時適応における失敗部分空間の低次元性は広く引用されているものの、それは分類器の行空間によって制約された特定の勾配定義による代数的なアーティファクトであり、本質的な特性ではないことを示し、代替的な制約のない要求が、エネルギーの大部分が分類器の行空間に留まる高次元で幅に敏感な構造を明らかにする。
本論文は、キャッシュ／レジスタブロッキング、FMAチェイニング、およびオンザフライ・パッキングの28種類の異なる構成を評価することによって、AMD Zen 3マイクロアーキテクチャにおいて単一コアのFP32行列乗算で85.30 GFLOPSを達成する系統的な最適化研究を提示し、最終的に理論上のピーク性能の63.5%に達するチャンピオン・デザインを特定するとともに、将来の最適化に向けた予測モデルを導入するものである。
本論文は、従来の機械学習や単一モダリティのアプローチと比較して、メンタルヘルス疾患のより正確かつ早期の検出を実現するために、ソーシャルメディアからのテキスト、視覚、および行動データを統合するマルチモーダル深層学習フレームワークを提案するものである。
本論文は、個々のエージェントを安価なクエリから適合させた低パラメータのサロゲート（代理モデル）に置き換えることで、ラップトップ上で大規模なLLMエージェント社会をシミュレーションする費用対効果の高い手法を提案し、シミュレーションの精度を予測するための知覚・記憶のタクソノミー（分類体系）を導入し、複数のマクロ的なシナリオにわたってその手法を検証するものである。