3496 articles
Crash を超える：あなたの自律運転車を娯楽と利益のために乗っ取る
Beyond Crash: Hijacking Your Autonomous Vehicle for Fun and Profit
arXiv:2602.07249v1 Announce Type: cross 抽象：自律走行車（AVs）、特に視覚ベースの AVs は、人間のオペレーターなしで急速に展開されています。AV が安全性に重要な環境で動作するため、敵対的環境におけるその健全性の理解は重要な研究課題です。以前の視覚ベースの自律走行車に対する物理的な敵対的攻撃は、短い寿命の認識または制御エラーを引き起こすことで、即座の安...
Original: arXiv:2602.07249v1 Announce Type: cross Abstract: Autonomous Vehicles (AVs), especially vision-based AVs, are rapidly being deployed without human operators. As AVs operate in safety-critical environ...
BRIDGE: モデル性能からの人間タスク完了時間予測
BRIDGE: Predicting Human Task Completion Time From Model Performance
arXiv:2602.07267v1 Announce Type: cross 要旨：AI システムの現実世界の能力を評価するには、ベンチマークのパフォーマンスを、タスクの難易度を人間が解釈可能な測定基準に結びつける必要があります。従来の方法である直接的な人間タスク完了時間の注釈コストが高く、ノイズがあり、ベンチマークをまたいでのスケーリングが困難です。本研究では、モデル応答から潜在の難易度スケー...
Original: arXiv:2602.07267v1 Announce Type: cross Abstract: Evaluating the real-world capabilities of AI systems requires grounding benchmark performance in human-interpretable measures of task difficulty. Exi...
Steer2Adapt: 指令ベクトルの動的な組立による LLM の効率的な適応
Steer2Adapt: Dynamically Composing Steering Vectors Elicits Efficient Adaptation of LLMs
arXiv:2602.07276v1 Announce Type: cross 摘要：アクティベーション制御は、大規模言語モデル（LLM）を下流の行動に効率的に適応させるための有望なアプローチとして台頭しました。しかし、既存の制御方法は、各タスクや概念あたり 단일の静的方向に依存しており、タスクの変動に対して不柔軟であり、複数の協調した能力を必要とする複雑なタスクには不十分です。この限界に対処す...
Original: arXiv:2602.07276v1 Announce Type: cross Abstract: Activation steering has emerged as a promising approach for efficiently adapting large language models (LLMs) to downstream behaviors. However, most ...
並列軌道トランスフォーマー：同期操作の削減による高速 GPU インフェレンスの実現
Parallel Track Transformers: Enabling Fast GPU Inference with Reduced Synchronization
arXiv:2602.07306v1 Announce Type: cross 要約：トランスフォーマーベースの大規模言語モデル（LLM）の大規模インフェレンスの効率的な実行は、依然として基盤となるシステム上の課題であり、厳密な遅延と透過率の目標を満たすためには多 GPU 並列化を頻繁に必要とする。従来のテンソル並列化は行列演算をデバイス間で分解するが、それによって大きな GPU 間同期を導入し...
Original: arXiv:2602.07306v1 Announce Type: cross Abstract: Efficient large-scale inference of transformer-based large language models (LLMs) remains a fundamental systems challenge, frequently requiring multi...
LinkedIn の セマンティック検索
Semantic Search At LinkedIn
arXiv:2602.07309v1 Announce Type: cross Abstract: Large Language Models (LLMs) を活用したセマンティック検索は、意味ベースの検索を実現する一方、スケール化には推論効率の大幅な向上が必要となります。当社は、AI 採用検索および AI 人材検索において、LLM に関するセマンティック検索フレームワークを呈示します。このフレー...
Original: arXiv:2602.07309v1 Announce Type: cross Abstract: Semantic search with large language models (LLMs) enables retrieval by meaning rather than keyword overlap, but scaling it requires major inference e...
異種データソースからの高忠実度テキストユーザー表現：強化学習を用いたアプローチ
High Fidelity Textual User Representation over Heterogeneous Sources via Reinforcement Learning
arXiv:2602.07333v1 Announce Type: cross 要約：大規模な人材プラットフォームにおける効果的なパーソナライゼーションには、プロフィール、職歴データ、および検索行動ログを含む異種テキストソースに基づいたメンバーモデリングが必要です。リカメンデーションシステムが大型言語モデル（LLMs）の採用をますます広げてきた現在、異種ソースから統合的で解釈可能な要約された表現を...
Original: arXiv:2602.07333v1 Announce Type: cross Abstract: Effective personalization on large-scale job platforms requires modeling members based on heterogeneous textual sources, including profiles, professi...
RAPiD: 拡散行動事前情報を用いたリアルタイム決定型軌道計画による安全かつ効率的な自律走行
RAPiD: Real-time Deterministic Trajectory Planning via Diffusion Behavior Priors for Safe and Efficient Autonomous Driving
arXiv:2602.07339v1 Announce Type: cross 要約: 拡散モデルベースの軌道計画者は、人間の運転行動的多様性をモデル化する強力な能力を示していますが、反復的な確率的サンプリングへの依存は、リアルタイムかつ安全に臨む展開に対して決定的な課題を提起しています。本稿では、事前トレーニングされた拡散モデルベースの計画者を効率的なポリシーへと圧縮し、拡散サンプリングを排除す...
Original: arXiv:2602.07339v1 Announce Type: cross Abstract: Diffusion-based trajectory planners have demonstrated strong capability for modeling the multimodal nature of human driving behavior, but their relia...
Statistical Correction を用いた大規模言語モデルの効率的なトレーニング後の剪定
Efficient Post-Training Pruning of Large Language Models with Statistical Correction
arXiv:2602.07375v1 Announce Type: cross 抽象: トレーニング後の剪定は、大規模言語モデル (LLM) のサイズと推論コストを削減するための有効なアプローチですが、既存の手法は剪定の品質と計算効率の間にトレードオフが存在することが多いです。ヒューリスティック剪定法は計算効率的ですが、活性化値の異常値に感受性が高く、再構築に基づくアプローチは忠実性を向上させる...
Original: arXiv:2602.07375v1 Announce Type: cross Abstract: Post-training pruning is an effective approach for reducing the size and inference cost of large language models (LLMs), but existing methods often f...
学習された有限要素法に基づく電図画像化における逆問題の定式化
Learned Finite Element-based Regularization of the Inverse Problem in Electrocardiographic Imaging
arXiv:2602.07466v1 Announce Type: cross 要旨: 電図画像化（ECGI）は、生体表位の電位データを非侵襲的に利用して心臓の電気的活動を再構成することを目的とする。しかし、関連する逆問題は極端に解が不安定であり、頑健な定式化を必要とする。従来の手法は主に空間的な平滑化を採用しているが、心臓ダイナミクスの時間的な構造は、その生理学的意義にもかかわらず十分に活用され...
Original: arXiv:2602.07466v1 Announce Type: cross Abstract: Electrocardiographic imaging (ECGI) seeks to reconstruct cardiac electrical activity from body-surface potentials noninvasively. However, the associa...
Cox モデルにおける変数選択後の統計的推測：シミュレーション研究
Statistical inference after variable selection in Cox models: A simulation study
arXiv:2602.07477v1 宣告 タイプ：クロス 要約：適切な予測因子を選択することは、生体医学の時間 - イベントデータ解析において中心的役割を果たします。しかし、古典的な頻度論的推測は、共変量集合が事前に固定されているという前提を置き、データ駆動型の変数選択による不確実性を考慮しません。その結果、単純な選択後の推測はバイアスがかかり、誤解を招く可能性があります。右打ちの検視設定にお...
Original: arXiv:2602.07477v1 Announce Type: cross Abstract: Choosing relevant predictors is central to the analysis of biomedical time-to-event data. Classical frequentist inference, however, presumes that the...
GraphAgents: 大規模知識グラフに基づくアジェンティック AI を活用した跨領域材料設計
GraphAgents: Knowledge Graph-Guided Agentic AI for Cross-Domain Materials Design
arXiv:2602.07491v1 発表 タイプ: cross サマリー：大規模言語モデル (LLMs) は、膨大化する科学の領域を横断して推論することで、発見プロセスの加速を約束しています。しかし、課題は情報のアクセスそのものではなく、それを意味あるかつ学問分野を超えた方法で接続することにあります。材料科学において、分子化学から機械的性能までの概念統合が革新を必要とするため、この課題は特に深...
Original: arXiv:2602.07491v1 Announce Type: cross Abstract: Large Language Models (LLMs) promise to accelerate discovery by reasoning across the expanding scientific landscape. Yet, the challenge is no longer ...
可再構成非線形処理ユニットに基づく物理アナログ Kolmogorov-Arnold ネットワーク
Physical Analog Kolmogorov-Arnold Networks based on Reconfigurable Nonlinear-Processing Units
arXiv:2602.07518v1 Announce Type: cross 要約: Kolmogorov-Arnold ネットワーク（KANs）は、神経計算を線形レイヤーから学習可能な非線形エッジ関数へと移行させましたが、ハードウェア上でこれらの非線形性を効率的に実装することはまだ未解決の課題です。ここでは、制御電圧を介して入力出力特性を調整するマルチターミナルナノスケールシリコンデバイスを利...
Original: arXiv:2602.07518v1 Announce Type: cross Abstract: Kolmogorov-Arnold Networks (KANs) shift neural computation from linear layers to learnable nonlinear edge functions, but implementing these nonlinear...
MDL: Large規模産業的推薦システムにおけるトークナイゼーションを介した統一型マルチ分布学習器
MDL: A Unified Multi-Distribution Learner in Large-scale Industrial Recommendation through Tokenization
arXiv:2602.07520v1 Announce Type: cross Abstract：産業的推薦システムは、多様なユーザーの相互作用と文脈を処理するために、マルチシナリオ学習（MSL）およびマルチタスク学習（MTL）を漸次採用しているが、既存のアプローチは以下の2つの決定的な欠点を持っている：(1) 複雑な機能モジュールとの相互作用の限界によって、大規模モデルのパラメータが不充分に利...
Original: arXiv:2602.07520v1 Announce Type: cross Abstract: Industrial recommender systems increasingly adopt multi-scenario learning (MSL) and multi-task learning (MTL) to handle diverse user interactions and...
拡散言語モデルにおける変長生成の改善：長さ正規化を通じたアプローチ
Improving Variable-Length Generation in Diffusion Language Models via Length Regularization
arXiv:2602.07546v1 発表タイプ：クロス 要旨：拡散型大規模言語モデル（DLLMs）は、推論が固定長のキャンバス上で定義されるため、変長生成に対して本質的に不適切です。これは、既知の目標長が暗黙的に仮定されていることに起因します。長さの長さが未知である場合（例えば、現実的な補完や埋め込みタスクにおいて）、マスク長を超えて信心を単純に比較することは、系統的にバイアスを生じさせ、生成の...
Original: arXiv:2602.07546v1 Announce Type: cross Abstract: Diffusion Large Language Models (DLLMs) are inherently ill-suited for variable-length generation, as their inference is defined on a fixed-length can...
脳エンコーディングにおける言語的特性とモデル規模：コンパクトな言語モデルからの脳適合モデルへ
Linguistic properties and model scale in brain encoding: from small to compressed language models
arXiv:2602.07547v1 Announce Type: cross 要約：最近の研究では、大規模言語モデル (LLMs) の規模を拡大することが人間の脳活動との整合性を向上させることが示されていますが、これらの利得を推進する要因と責任がある表現的特性は何かはまだ不明です。より大きなモデルはしばしばタスクパフォーマンスと脳との整合性を向上させる傾向がありますが、機器的に分析することはます...
Original: arXiv:2602.07547v1 Announce Type: cross Abstract: Recent work has shown that scaling large language models (LLMs) improves their alignment with human brain activity, yet it remains unclear what drive...
マンフォールアウェア型スコースベース生成モデルを用いた 2 次元 XY モデルのトポロジー的相転移と熱力学の捉え方
Capturing the Topological Phase Transition and Thermodynamics of the 2D XY Model via Manifold-Aware Score-Based Generative Modeling
arXiv:2602.07548v1 Announce Type: cross 要約：多数体物理学における生成モデルの適用は、自らのスピンのシステムの高次元状態空間を分析するための有望な道筋を提供します。しかし、コンピュータビジョンのタスクにおいて画像の高忠実度が十分であるのに対し、物理システムでは高次の統計モーメントと熱力学量の厳密な再現が必要です。スコースベース生成モデル (SGMs) は強力...
Original: arXiv:2602.07548v1 Announce Type: cross Abstract: The application of generative modeling to many-body physics offers a promising pathway for analyzing high-dimensional state spaces of spin systems. H...
$ ext{∂CBDs}$: 微分因果ブロックダイアグラム
$\partial$CBDs: Differentiable Causal Block Diagrams
論文：arXiv:2602.07581v1 発表タイプ：横断 摘要：現代のサイバー物理システム（CPS）は、物理、計算、および学習を統合しており、同時に組立可能、学習可能、かつ検証可能なモデリングフレームワークを必要としています。しかし、既存のアプローチはこれらの目標を個別に扱う傾向があります：因果ブロックダイアグラム（CBD）はモジュール間システム接続をサポートしますが、学習のための微分可能性を...
Original: arXiv:2602.07581v1 Announce Type: cross Abstract: Modern cyber-physical systems (CPS) integrate physics, computation, and learning, demanding modeling frameworks that are simultaneously composable, l...
SleepMaMi: マクロ構造とマイクロ構造の統合のための汎用的な睡眠基礎モデル
SleepMaMi: A Universal Sleep Foundation Model for Integrating Macro- and Micro-structures
arXiv:2602.07628v1 Announce Type: cross Abstract: 単一の基礎モデルへの移行は多くの深層学習分野を革命化しましたが、睡眠医学はまだ、局所的なマイクロ構造の特徴に焦点を当てたタスク固有のモデルに大きく制限されています。これらのアプローチは、ポリソム诺グラフィー（PSG）の豊かなマルチモーダル文脈を無視し、一晩の睡眠全体の大規模マクロ構造を捉えることに...
Original: arXiv:2602.07628v1 Announce Type: cross Abstract: While the shift toward unified foundation models has revolutionized many deep learning domains, sleep medicine remains largely restricted to task-spe...
Preconditioned Primal-Dual オプティマイゼーションによるスケーラブルな Mean-Field バリエーション・インフェレンス
Scalable Mean-Field Variational Inference via Preconditioned Primal-Dual Optimization
arXiv:2602.07632v1 Announce Type: cross 要約：本稿では、ミニバッチ・プリマル・デュアル的観点から、大規模な Mean-Field バリエーション・インフェレンス（MFVI）の問題を調査します。MFVI を制約付き有限和問題として再定式化することで、拡張ラグランジュ・形式に基づいた新しいプリマル・デュアルアルゴリズムであるプリマル・デュアル・バリエーション・...
Original: arXiv:2602.07632v1 Announce Type: cross Abstract: In this work, we investigate the large-scale mean-field variational inference (MFVI) problem from a mini-batch primal-dual perspective. By reformulat...
Flow-Based Conformal Predictive Distributions
arXiv:2602.07633v1 Announce Type: cross Conformal prediction は、予測集合を通じて確率分布を仮定せず不確実性を定量するためのフレームワークを提供します。低次元の場合、これらの集合は直感的に解釈でき容易に利用できますが、高次元や構造化された出力空間では表現・利用が困難となり、サンプリングや確率的予測などの後続タスクとの統合を制限することがあ...
Original: arXiv:2602.07633v1 Announce Type: cross Abstract: Conformal prediction provides a distribution-free framework for uncertainty quantification via prediction sets with exact finite-sample coverage. In ...