4157 件の論文
本論文では、自律型エージェントのためのジャストインタイムなコンテキスト注入を可能にする新しいインバンド・アノテーション・システムであるAgentic Annotation Language（AAL）を紹介し、従来のグローバルなルールファイルと比較して、ドメイン固有の制約への高い遵守性を維持しつつ、トークン消費量とコンテキストの汚染を大幅に削減する。
本論文は、ウルドゥー語のフェイクニュース検出における初のクロスデータセット汎化研究を提示するものであり、Ax-to-Grindデータセットで学習されたモデルが、訓練データ内の系統的な長さの混同（length confound）によってショートカット学習を誘発し、Notri-Factデータセットに適用した際に壊滅的な失敗を露呈することを明らかにしており、それによって低リソースNLPにおける現在のデータセット構築および評価の実践における決定的な欠陥を浮き彫りにしている。
本論文は、CatBoostの教師モデルからの知識蒸留を活用することで最適化の停滞や非微分性の問題を克服し、異種混合な表形式データにおいて最先端の分類性能を達成する、新しい深層学習フレームワークであるCascade Progressive Distilled Network (CPDN) を導入するものである。
本論文は、QMIXを用いた集中学習・分散実行（CTDE）アプローチが、スマートシティにおける電気自動車の充電調整において、独立Q学習（IQL）および非強化学習ベースラインを大幅に上回り、部分観測性や交通動態を効果的に管理しながら、より高い受容率と成功確率を達成することを実証している。
445件の最新の研究（2024年–2026年）を対象としたこの系統的レビューは、CNN-Mambaハイブリッドがその線形計算量により医療画像において最も効率的なアーキテクチャであることを特定しており、一方で、臨床への統合を可能にするためにネイティブな3Dブロックを通じて対処されるべき、空間情報の損失やメモリ消費といった極めて重要な課題を強調している。
本論文は、アライメントされたIoTおよびクラウドのデータセット上で、教師あり学習（ランダムフォレストおよびXGBoost）とLSTMオートエンコーダーに基づく異常検知モデルを組み合わせたハイブリッド侵入検知フレームワークを提案・評価し、この手法が未知の攻撃に対する検知の堅牢性と再現率を大幅に向上させる一方で、偽陽性の増加と適合率の低下というトレードオフを必要とすることを実証している。
本論文は、CCFM特徴融合、PSA-BiFormerアテンション、およびC2f-Dual戦略を統合することで、既存の手法と比較してモデルサイズと計算量を大幅に削減しつつ、高精度（mAP 94.3%）と高速性（369 FPS）を実現した、軽量なミニトマト成熟度検出モデルであるYOLOv10n-FBDを提案する。
本研究は、自作のデータセットとハイブリッド音響特徴量を利用することで、低リソース言語であるアッサム語に対して95%の精度を達成しつつ、母音間の音韻的類似性がもたらす課題を浮き彫りにする、LSTMベースの音声認識システムを提案するものである。
本論文は、局所的なピクセルの忘却と空間的知覚の不足に対処することで、敦煌壁画を効果的に修復するために、残差状態空間モデリング、ガイダンスベクトル、およびマルチスケール・デフォーマブル・アテンションを統合した、視覚的コンテキスト認識および空間受容野に基づくアルゴリズムを提案し、それによって修復品質の指標を大幅に向上させるものである。
本論文は、構造的特徴と機能的特徴を抽出および相関させることで、FPGAベースのVLSI回路における隠蔽型ハードウェアトロイの検出において98.4%の精度を達成するDeep Cross Neural Network (DCNN) フレームワークを提案しており、ゴールデンリファレンスモデルへの依存度を低減する信頼性の高いソリューションを提供するものである。