3615 件の論文
本研究は、マルチモーダルMRI入力を備えたUNet++アーキテクチャと不均衡を考慮した最適化を利用したマルチデータセット深層学習フレームワークを提示し、多発性硬化症病変の自動セグメンテーションの向上を実現し、小さな病変に対する感度の高まりを実証するとともに、臨床導入に向けた外部検証の必要性を強調するものである。
本研究は、多次元LICAフレームワークを用いて、3つの最先端大規模言語モデル（GPT-4o、Claude 3.5 Sonnet、Gemini 1.5 Pro）の人間による専門家との比較における心理計量的妥当性を評価しており、GPT-4oが完全な一致を達成している一方で、他のモデルは系統的な採点バイアスを示し、社会語用論的なニュアンスの一貫した評価に苦慮していることを明らかにしており、それによって、自動化された第二言語（L2）ライティング評価における次元固有のキャリブレーションと人間による監視の極めて高い必要性を強調している。
このサーベイは、100本以上の査読済み論文をレビューすることで、ディープラーニングに基づくOCRおよび情報抽出技術を分析し、それらの独立した発展、ベンガル語のような低リソース言語における課題、そして将来の研究に向けたマルチモーダル学習の新たな重要性を強調している。
本論文は、少数の識別用プローブによって定義された候補クラス内のポリシーエンジン・セマンティクスを正確に特定できる一方で、それらのプローブは当該クラス外のエンジンや微細な偏差を持つエンジンを検出できないことを示しており、結果レベルの構成変更の妥当な実現可能性を確保するためには、構造化された検証戦略とコントロールランが必要であることを論じている。
本論文は、癌のダイナミクスに着想を得たオンコモーフィック（腫瘍形態的）なマルチエージェント・フレームワークを導入し、資源制約下で複製、変異、移動を行う分散型のニューラルエージェントが、中央集権的な最適化ではなく生態学的選択を通じて、堅牢な逐次学習と向上したマルチタスク能力を達成できることを実証するものである。
本論文は、動き推定、物体検出、およびセグメンテーションを統合したマルチステージ・パイプラインを活用して信頼度を考慮した擬似ラベルを生成し、それを用いてUCF-Crimeデータセットにおいて競争力のある性能を実現する軽量なCNN-LSTMモデルを学習させる、弱教師ありビデオ異常検知フレームワークを提案するものである。
本論文は、言語科学における大規模言語モデルの応用を3つの明確な手法論的アプローチへと分類し、その実装のための構造化された構成を提示する二層的な体系的フレームワークを提案するものであり、手法論的な断片化を、堅牢な言語学的研究のための再現可能かつ理論に基づいたパラダイムへと置き換えることを目的としている。
本論文は、データの信頼性を高め、グリーンサプライチェーンの運用を最適化し、光電子企業のコストを大幅に削減するために、マルチチャネル・コンソーシアム・ブロックチェーンと強化学習ベースの調達モデルを統合した統一フレームワークを提案するものである。
本論文は、汎用的な最先端LLMエージェント（Claude Opus 5.5）が、市販のコーディングツールのみを使用して包括的なベンチマークにおいて特化型のバイオインフォマティクスエージェントを凌駕することを示しており、現在の進捗測定における限界は、エージェントの能力よりも主にベンチマークの信頼性の問題に起因することを明らかにしている。
本論文は、最小重みフィードバック弧集合問題に対する監査済みベンチマークを提示し、計算予算、グラフ族、および比較対象の選択がヒューリスティックの性能にどのように大きく影響するかを明らかにするものであり、それによって普遍的なランキングではなく、範囲を限定した手法の比較を支持するものである。