3657 件の論文
本論文は、希少なドメイン用語や曖昧な境界といった課題に効果的に対処するために、ストロークレベルの字形特徴、マルチレベル特徴相互作用アテンションモジュール、および敵対的学習を統合することで性能を向上させた、新しい中国語農業固有表現抽出モデルであるBCMGFを提案しており、農業および一般ドメインの両方のデータセットにおいて最先端の結果を達成している。
本研究は、デザインサイエンス・リサーチの手法を用いて知識グラフを大規模言語モデルに統合することが、記号的な意味構造によって生成的なアクションスペースを能動的に制限することにより、教育用AIにおける教育学的ハルシネーションを効果的に抑制し、論理的正当性を強制することを実証している。
本論文は、根拠生成に対する忠実性制約を課し、異種目的のバランスを取るための新しい自動重み学習戦略を採用することで、アスペクトベースの感情推論を強化するスケール不変なマルチタスク学習フレームワークであるFACT-SRを提案しており、その結果、様々なモデルスケールにおいて優れた分類性能と推論の信頼性を実現している。
本論文は、MTEBの結果を分析することで、トップクラスの性能を示す埋め込みモデルは、狭い範囲に最適化されたモデルよりもタスク間の整合性が高い傾向にある一方で、モデルの規模だけではそのようなバランスが保証されないことを明らかにし、より適切なモデル選択のために、総計スコアと並行して性能の分散を報告することを提唱している。
本論文は、EUの現行のアルゴリズム説明基準および既存の緩和策や代替アプローチの限界を批判し、代わりに、説明のニーズをアクターの制御点に基づいて分類し、それらを実行可能な代替スキームを通じて実現することによって、当該基準を再構築する需要指向型の枠組みを提案するものである。
本研究は、適応型ゲーティング機構が交差検証においては優れているように見える一方で、単純な特徴量の結合が、未知の参加者に対するマルチモーダルな抑うつ検出において実際にはより堅牢で汎用性の高い性能をもたらすことを示しており、小規模な臨床データセットにおいては、アーキテクチャの複雑さよりも厳格な汎化テストの方が重要であることを浮き彫りにしている。
本論文は、階層的なトークン圧縮、スパースなアテンションのオーケストレーション、および動的なメモリ管理を組み合わせることで、大規模言語モデルにおける効率的な長文脈推論を可能にし、長文脈ベンチマークにおける高い精度を維持しつつ、計算量とメモリ使用量の劇的な削減を実現する統一フレームワークであるCLEARを導入するものである。
本研究は、50年間にわたる科学論文のタイトルデータを分析することで、コロンの使用が長年の慣習であり、その普及が進んでいる一方で、大規模言語モデルは人間の著者よりも有意に高い頻度でコロンを含むタイトルを生成しており、このパターンはプロンプトに敏感であり、検索におけるランキング性能に影響を与えることを示すものである。
本論文は、トラフィックの振る舞いの変化を分析することで正常なフローと異常なフローを区別し、それによって追跡に対するTorの匿名性を高める、ResNetベースの能動的ネットワークフロー・ウォーターマーキング（ANFW）攻撃を特定する手法を提案する。
本論文は、2ラウンドの格子ベース署名スキームを通じて、集合的な決定をアクティブなポリシーおよび実行コンテキストに結合することで、ポリシー、決定、リクエスト、および実行間の整合性を保証しつつ、検証コストの安定性を維持しながら、状態一貫性のあるマルチパーティ認可を実現するスマートコントラクトのためのフレームワークであるPACEを導入する。