929 件の論文
本論文は、ディリクレ・多項分布による定式化を通じて語彙分布のドリフトに基づきリセット確率を動的に調整する、適応的ハザード・ベイズオンライン変化点検出法をテキストストリームに対して提案し、特に緩やかな、あるいは弱い語彙変化を伴うシナリオにおいて、検出性能の向上と遅延の低減を実証している。
本論文は、相互情報量に基づく特徴量選択を組み合わせたIsolation Forestアルゴリズムが、NF-ToN-IoT-v3データセットにおいて、より低い計算複雑性を維持しつつ、優れた精度、F1スコア、およびAUCを達成することにより、大規模なIoT侵入検知においてオートエンコーダやアンサンブル手法を凌駕することを実証している。
本論文は、Transformerベースの意味解析とSHAPやLIMEといったXAI技術を組み合わせることで、大規模言語モデルにおけるプロンプトインジェクション攻撃を効果的に検出し、かつ説明可能にする解釈可能なマルチエージェントフレームワーク、PromptShieldを導入するものである。
本論文は、テキスト統計量、NLI（自然言語推論）の含意、および言語モデルのサプライザルをBiGRUを用いて組み合わせることで、ハルシネーションをシーケンスラベル付け問題として扱う時間的マルチシグナル融合手法を提案しており、モデルの容量ではなく時間的コンテキストを活用することで、RAGTruthにおいて0.840という大幅なAUC向上を達成しつつ、クローズドソースおよび未知のモデルに対しても有効性を維持している。
本論文は、複合的なリスク指数を導入することで、公的部門におけるLLMのハルシネーション検出を純粋な技術的課題からガバナンスの問題へと変容させ、保留や人間へのエスカレーションといった運用上の意思決定を導き、それによって法的確実性と行政的説明責任を確保する、リスク指向の検証および妥当性確認フレームワークを提案するものである。
本論文は、テキストの新規性のドリフトを検出することで、従来の事後的な検知器よりも約11トークン早く警告を発し、0.777のAUROCを達成して、大規模言語モデルにおけるハルシネーションの発生を発生前に予測することに成功した、因果的なトークンレベルの生存分析フレームワークを導入するものである。
本論文は、階層型CNNおよびVision Transformerアーキテクチャを用いたマルチスケール特徴抽出を組み合わせたハイブリッドニューラルフレームワークであるNPDOを提案しており、これによりVVCのイントラ予測探索空間をインテリジェントに枝刈りすることで、VTM 23.0のリファレンスと比較してBDレートの増加をわずか1.18%に抑えつつ、エンコーディング時間を54.0%削減することを実現している。
本論文は、階層的なエッジ・フェデレーテッド・デジタルツイン・アーキテクチャ、時空間グラフニューラルネットワーク・スケジューラ、および同期オーバーヘッドとSLA違反を最小限に抑えつつリソース割り当ての収束を保証する新規なデルタ符号化プロトコルを活用した、6Gネットワークスライシングのための分散型フレームワークであるADONISを提案する。
本論文は、増分更新メカニズムを通じて動的なマルチレイヤーネットワークにおける高品質な高密度部分グラフを効率的にマイニングする、Focus-Aware Adaptive Dense Subgraph (FAADS) フレームワークを提案しており、近似的に最適な密度品質を維持しつつ、最先端の手法に対して大幅な速度向上を実現している。
OULADデータセットを用いた本研究は、BiLSTMモデルが学生の合格・不合格および脱落の予測において勾配ブースティングのベースラインを上回る一方で、マルチタスク学習アーキテクチャは、タスク間に中程度の相関があるにもかかわらずシングルタスクのアプローチに対して有意な優位性をもたらさないことを示しており、これはこれらの結果が部分的に異なる行動パターンに依存していることを示唆している。