原著者が当サイトのやさしい解説を確認した論文。
このページに掲載されている各論文については、少なくとも一人の原著者が当サイトのやさしい解説を確認し、内容の正確性を認めるか、または修正を依頼しその修正を私たちが反映しています。確認は各文への正式な承認を意味するものではありませんが、論文を書いた本人たちの目を通ったことを意味します。
1272 件の論文を著者が確認済み · 551–560 / 1272
本論文は、ファインチューニングによる回帰の「ニングにおける回帰現象を「重力的解釈」として提案している。ここで用いられる「重力」という用語は、物理的な力学法則を指すものではなく、学習履歴によって生じるバイアスが幾何学的な引き付け（pull）として機能するという最適化のメタファーである。具体的には、初期学習が支配的な行動多様体を確立し、その幾何学的な構造がモデルを事前アライメント時の振る舞いへと回帰させる。この現象は、安全性の浸食を防ぐために阻止可能な、特定の履歴によって定義される方向（）によって特徴付けられる。
本論文は、外れ値のフィルタリングのための反復最小刈り込み二乗法と、スパース回帰のための逐次閾値付き最小二乗法を組み合わせたILTS-SINDyと呼ばれるロバストなSINDyフレームワークを提案しており、最大20%の観測値が汚染されたデータセットから非線形ダイナミクスを特定する上で優れた性能を示すものである。
本論文は、選択公理がニューラル証明埋め込みの中に測定可能な幾何学的シグネチャを残していること、すなわち依存グラフにおいて証明が公理から離れるにつれてアノマリースコアと再構成誤差が減少することを示しており、これはLean 4のようなシステムにおける構成的定理証明と古典的定理証明の間の性能格差と相関し、かつそれを予測するものである。
エルドシュが70年前にサイドン集合の存在を証明したことを踏まえ、本論文は-ゴロム定規（各正の差が最大で回出現する集合）の漸近密度に関する上界および下界を確立し、そのサイズがに比例する項によって上から抑えられ、に比例する項によって下から抑えられることを証明している。
本論文は、言語モデルの潜在的な軌道内にある安定した低ランクの不変方向を特定し、操作することで、精度を損なうことなく推論の一貫性を大幅に向上させ、言い換えや摂動に対する感度を低減させる、学習不要のフレームワークであるTrajectory-Invariant Latent Refinement (TILR) を提案する。
本論文は、高次（高Tc）銅酸化物超伝導の理論的展望について、斥力相互作用メカニズムに関する合意の形成に焦点を当て、3つの主要な理論的学派を概説し、近年の実験的知見に照らしてアンダーソンの「ドグマ」を更新することで、40年を経た現在における理論的景観を提示するものである。
本論文は、様々な事前分布から派生したタスクに対して同一のアーキテクチャを学習させることで、表形式基盤モデルのデータ生成事前分布を独立して評価および比較するための統一されたフレームワークを導入し、異なる事前分布が単なるデータレベルの類似性を超えて、ダウンストリームの性能や一貫性に著しく影響を与えることを明らかにしている。
本論文は、ゼロショットのLLM教育アドバイザーにおける「介入バイアス」、すなわち最適解を知るオラクルと比較して不必要な行動を誤って推奨してしまう現象を特定および定量化し、Decision TransformerまたはXGBoostを用いた教師あり方策学習が、高リスクな実戦配備に適した高い精度と低レイテンシの意思決定を実現しつつ、このバイアスを効果的に排除できることを実証している。
本論文は、質問応答、対話、および要約のタスクにわたって、5つの軽量でCPU実行可能なハルシネーション検出手法を体系的にベンチマークしており、その結果、性能はタスクに強く依存し、アンサンブル手法は質問応答において優れ、NLI検出器は対話においてリードし、そしてすべての手法が要約において著しく失敗することを明らかにしている。
本論文は、静的なベイズ的驚き（Bayesian surprise）を非定常で信念更新を伴う驚き（surprisal）に置き換え、フィルタリングと多様性最大化を用いることで偽の報酬を排除し、それによって複数の領域にわたる仮説探索を大幅に改善する、LLMを用いた継続的な科学的発見のためのエビデンスに基づいたフレームワークを導入するものである。