3718 件の論文
本論文は、空間、勾配、および周波数特徴を統合することで多様な生成器に対する汎用性を高めるマルチドメイン・ディープフェイク検出フレームワークであるSpatial-Gradient-Frequency Fusion Network（SGFF-Net）を提案しており、マルチソース学習とデータ拡張を通じて転移性は向上しているものの、実世界のシナリオにおいては依然として重大なドメインギャップが存在することを強調している。
本論文は、標準的なシーケンス構築ポリシーがアシスタントのターゲットとそのソースとなるツールの観測結果との間のリンクを断絶させてしまうという、ツール拡張型LLM学習における決定的な失敗を特定・定量化し、トークンの冗長性を削減しながら、教師あり学習のカバー率とコンテキストの完全性を大幅に向上させる再構成戦略を提案する。
本論文は、GF(2)上の最小線形直線プログラムにおける最適性の主張に対してDRAT証明を生成・検証する認定済みパイプラインを導入することで、プログラム合成における「反証ギャップ」に対処し、それによって、これまで未認定であった121の結果を正式に検証すると同時に、重大な検証上の障害と自己発見されたアーティファクトを明らかにするものである。
本研究は、監査可能な大規模言語モデルのパイプラインが、スクリーニングおよびデータ抽出において人間の専門家と高い一致を示し、特に複雑な分野で優れた性能を発揮する一方で、報告されていない情報に関する二値的な質問には特有の課題があることを浮き彫りにすることから、系統的レビューを効果的に支援できることを実証している。
本論文は、NestléおよびDawarとの協力により開発された物理的なスマートビン・プロトタイプを通じて検証され、実世界の地域データにおいて92.4%の精度を達成した、4つの特化したCNNモデルをシーケンシャルなパイプラインへと統合した自動廃棄物分別のためのマルチタスク深層学習システムを提示するものである。
本研究は、調整可能な非対称損失関数、不確実性に基づく紹介戦略、および軽量アーキテクチャを活用することで、高リスクおよび前がん状態の症例の格上げを通じて安全性を優先しつつ、高性能な4クラスのリスク層別化を実現する、消化器内視鏡のためのリスク認識型ディープラーニングフレームワークを提案するものである。
本研究は、ラベルのないMicrosoft Azureのトレースに攻撃を注入することにより、クラウドストレージ向けの半合成侵入検知プロトタイプを経験的に評価し、ランダムフォレストモデルは有用なランキング信号を提供するものの、時間的なワークロードドリフト下での性能の不安定さや低速かつ長期的な攻撃（low-and-slow attacks）に対する検出力の低さが、それらがまだ本番環境へのデプロイには適していないことを示している。
この制御された研究は、5つのImageNet事前学習済みRGBバックボーンと2つの軽量プローブを用いたディープフェイク検出におけるクロスデータセット汎化能を評価しており、FaceForensics++、Celeb-DF、およびDFDの各データセット間における性能差を解消するためには、ソースドメインの網羅性と評価プロトコルがバックボーンの選択と同様に極めて重要であることを明らかにしている。
本論文は、標準的な観測・行動・報酬の三つ組から導出される相互作用エントロピーと結合度指標に基づき、展開された強化学習エージェントにおける環境デカップリングおよび相互作用ドリフトを検出するための、報酬に依存しない実行時モニタリングフレームワークを導入するものであり、従来の報酬ベースのモニタリングと比較して優れた故障検出能力を実証している。
LODTEフレームワークは、局所的な輪郭幾何学フィルタと高速スクリーンキャプチャを活用することで、クラウドへの依存を排除し、レイテンシを35ミリ秒未満に低減し、リソース制約のあるハードウェア上で高い認識忠実度を維持しながら、リアルタイムのナビゲーション・テレメトリを解析する、軽量で決定論的なエッジベースのシステムを導入する。