3496 articles
吸収マルコフ連鎖における情報幾何学と分類能動的ランダムウォーク
Information Geometry of Absorbing Markov-Chain and Discriminative Random Walks
arXiv:2602.08185v1 Announce Type: cross 要約：分類能動的ランダムウォーク (DRW) は半教師付けノード分類において単純でありながら強力なツールでありながら、その理論的基礎はまだ欠片状のままです。私達は情報を幾何学の観点から DRW を再検証し、吸収マルコフ連鎖上のクラス固有の到達時刻法のファミリーを統計多様体として扱うことにします。対数線形エッジ加重モデル...
Original: arXiv:2602.08185v1 Announce Type: cross Abstract: Discriminative Random Walks (DRWs) are a simple yet powerful tool for semi-supervised node classification, but their theoretical foundations remain f...
InfiCoEvalChain: バロックベースの協調型 LLM 評価ための分散枠組み
InfiCoEvalChain: A Blockchain-Based Decentralized Framework for Collaborative LLM Evaluation
arXiv:2602.08229v1 Announce Type: cross 要旨：大型言語モデル（LLM）の急速な進展に伴い、評価の信頼性がより高さが求められています。しかし、現在の中央集権的評価は不透明性、過学習、およびハードウェアによるバリエーションという課題に直面しています。我々の実証的分析は、既存の評価に警報級の一貫性の欠如を明らかにしました：HumanEval の単一のモデルの 10...
Original: arXiv:2602.08229v1 Announce Type: cross Abstract: The rapid advancement of large language models (LLMs) demands increasingly reliable evaluation, yet current centralized evaluation suffers from opaci...
スモークングを伴う適応行列オンライン学習：非滑らか非凸最適化に対する保証付きのアプローチ
Adaptive Matrix Online Learning through Smoothing with Guarantees for Nonsmooth Nonconvex Optimization
arXiv:2602.08232v1 Announce Type: cross 要約：当研究は、算子ノルムによって制約される行列変数を持つオンライン線形最適化を扱います。この設定において、幾何学的特徴のためデータ依存かつ効率的な適応アルゴリズムの設計は困難です。現在最高レベルの適応レギレット（悔惜）境界は Shampoo 様式の方法で実現されており、これらは高価な二次投影サブ問題の解決を必要とし...
Original: arXiv:2602.08232v1 Announce Type: cross Abstract: We study online linear optimization with matrix variables constrained by the operator norm, a setting where the geometry renders designing data-depen...
離散アジュント・シュレーディンガーブリッジサンプリア
Discrete Adjoint Schr\"odinger Bridge Sampler
arXiv:2602.08243v1 Announce Type: cross 摘要: ディスクラートニューラルサンプリアの学習は、勾配の欠如と組合せ的複雑さのせいで挑戦的です。確率的最適制御 (SOC) とシュレーディンガーブリッジ (SB) は原理に基づいた解決策を提供しますが、連続領域で卓越するアジュントマッチング (AM) などの効率的な SOC ソルバーは、まだ離散空間に対して探索され...
Original: arXiv:2602.08243v1 Announce Type: cross Abstract: Learning discrete neural samplers is challenging due to the lack of gradients and combinatorial complexity. While stochastic optimal control (SOC) an...
バイアスのある AI フードと整合性を高めるための統計的枠組み
A Statistical Framework for Alignment with Biased AI Feedback
arXiv:2602.08259v1 Announce Type: cross 要約: 現代の整合性パイプラインは、高価な人間好意ラベルを大規模言語モデル（LLM-as-Judge）の評価に置き換えつつあります。しかし、AI ラベルは質の高い人間フィードバックデータセットに比べて系統的バイアスを帯びる可能性があります。本論文では、不斉なプロンプト・レスポンス分布と外部の人間フィードバックソースを対...
Original: arXiv:2602.08259v1 Announce Type: cross Abstract: Modern alignment pipelines are increasingly replacing expensive human preference labels with evaluations from large language models (LLM-as-Judge). H...
フローマッチングは単なるシクエンスデータの軌道リプレイに過ぎないのか？
Is Flow Matching Just Trajectory Replay for Sequential Data?
arXiv:2602.08318v1 Announce Type: cross 摘要：フローマッチング（FM）は時系列データの生成で広く使用されつつありますが、それが一般の力学構造を学習しているのか、単に有効な「軌道リプレイ」を行っているのかは十分に理解されていません。本研究では、実証的な FM オブジェクトがシクエンスデータに対してターゲットとする速度場を、完全な関数近似の極限から導出することで...
Original: arXiv:2602.08318v1 Announce Type: cross Abstract: Flow matching (FM) is increasingly used for time-series generation, but it is not well understood whether it learns a general dynamical structure or ...
PACC: プロトコル認識による階層間圧縮によるコンパクトなネットワークトラフィック表現
PACC: Protocol-Aware Cross-Layer Compression for Compact Network Traffic Representation
arXiv:2602.08331v1 Announce Type: cross Abstract: ネットワークトラフィック分類はネットワークセキュリティと管理の核心的な素素であり、しかしその汎用暗号化と進化するプロトコルにより常に脅されています。中核的なボトルネックは表現方法です。手作業で設計されたフロー統計量は効率的ですが往々にして損失が激しく、生ビットエンコーディングは正確ですがコストが高...
Original: arXiv:2602.08331v1 Announce Type: cross Abstract: Network traffic classification is a core primitive for network security and management, yet it is increasingly challenged by pervasive encryption and...
Random Forest の電路表現と XAI への応用
Circuit Representations of Random Forests with Applications to XAI
arXiv:2602.08362v1 Announce Type: cross 要約：本稿では 3 つの貢献を提示します。まず、ランダムフォレスト分類器を、分類器の各クラスでインスタンスを直接エンコードする一連の電路にコンパイルするアプローチを提案します。我々のアプローチが既存の類似アプローチと比較して大幅に効率的であることを経験的に示します。次に、このアプローチを用いて、決定の完全かつ一般的な理...
Original: arXiv:2602.08362v1 Announce Type: cross Abstract: We make three contributions in this paper. First, we present an approach for compiling a random forest classifier into a set of circuits, where each ...
MemAdapter：生成サブグラフ検索によるエージェントメモリパラディグムの間での高速な対齐
MemAdapter: Fast Alignment across Agent Memory Paradigms via Generative Subgraph Retrieval
arXiv:2602.08369v1 発表タイプ：クロス 概要：メモリ機構は、LLM ベースのエージェントの要所であり、長期的コンテキストにおける論理推論と知識発見を可能にします。既存のエージェントメモリシステムは、明示的、パラメトリック、あるいはlatent（潜在的）など、隔離されたパラディグム内で設計され、緊密に結合された検索手法が、パラディグム間の一般化と融合を妨げることが多くあります。本研...
Original: arXiv:2602.08369v1 Announce Type: cross Abstract: Memory mechanism is a core component of LLM-based agents, enabling reasoning and knowledge discovery over long-horizon contexts. Existing agent memor...
人間のようなバドミintonの技術を習得する：人型ロボットのために
Learning Human-Like Badminton Skills for Humanoid Robots
arXiv:2602.08370v1 Announce Type: cross Abstract: 高需要スポーツであるバドミintonにおいて、多様なかつ人間らしいパフォーマンスを実現することは、人型ロボティックスにとって大きな課題です。標準的な移動や静的操作とは異なり、このタスクは爆発的な全身の連携と、正確でタイミングが極めて重要であるインターセプションのシームレスな統合を求めます。最近の進歩...
Original: arXiv:2602.08370v1 Announce Type: cross Abstract: Realizing versatile and human-like performance in high-demand sports like badminton remains a formidable challenge for humanoid robotics. Unlike stan...
Verifiable Logic に基づく生成型プランナー：信頼可能なエンボディッド AI のための混合アーキテクチャ
Grounding Generative Planners in Verifiable Logic: A Hybrid Architecture for Trustworthy Embodied AI
arXiv:2602.08373v1 Announce Type: cross 要約：エンボディッド AI のプランナーとしての大型言語モデル（LLM）の可能性は大きいものの、その確率的性質により形式的な推論が欠如しており、物理的なデプロイメントにおける厳密な安全保証が不可能である。既存のアプローチは、信頼性の低い LLM を安全チェックに依存するか、単に危険な計画を拒否するだけである。ここでは、...
Original: arXiv:2602.08373v1 Announce Type: cross Abstract: Large Language Models (LLMs) show promise as planners for embodied AI, but their stochastic nature lacks formal reasoning, preventing strict safety g...
エキペリカルリスク・ミニマイゼーションによるショードリング橋問題
Schr\"odinger bridge problem via empirical risk minimization
arXiv:2602.08374v1 Announce Type: cross Abstract: 端点分布がサンプルのみで与えられる場合のショードリング橋問題を考察する。古典的な計算アプローチは、エキペリカル測度上でシンコフン反復によるショードリングポテンシャルの推定、そしてその後の核平滑化された対偶解の微分に基づく時非同次ドリフトの構成に基づいている。これに対し、我々は学習理論的な道筋を提案...
Original: arXiv:2602.08374v1 Announce Type: cross Abstract: We study the Schr\"odinger bridge problem when the endpoint distributions are available only through samples. Classical computational approaches esti...
混動機 Markov ゲームにおける利他主義と公平な目標
Altruism and Fair Objective in Mixed-Motive Markov games
arXiv:2602.08389v1 告知 タイプ：横断 要旨：協力は社会的生存にとって基本的であり、集団的繁栄を求めた異質な集団内に構造を創出することを可能にする。しかし、個人はグループの協力の恩恵を受けながら関連するコストを負担しないように逸脱する傾向にあり、その結果不公平な状況が生まれる。ゲーム理論において、社会的ジレンマとは個人の利益と集合的結果の間のこの二律背反を指す。マulti-Age...
Original: arXiv:2602.08389v1 Announce Type: cross Abstract: Cooperation is fundamental for society's viability, as it enables the emergence of structure within heterogeneous groups that seek collective well-be...
評価がサイドチャンネルとなる時：整合性評価における体制漏れと構造緩和
When Evaluation Becomes a Side Channel: Regime Leakage and Structural Mitigations for Alignment Assessment
arXiv:2602.08449v1 Announce Type: cross 要旨：高度な AI システムの安全性評価は、評価下で観測される行動が実稼働時の行動を予言すると暗黙的に仮定しています。この仮定は、状況認識を有するエージェントにおいては脆くなります。彼らは「体制漏れ」と呼ばれる情報（評価から実稼働を区別する文脈的な手がかり）を利活用し、協調性 (sycophancy) や眠りエージェン...
Original: arXiv:2602.08449v1 Announce Type: cross Abstract: Safety evaluation for advanced AI systems implicitly assumes that behavior observed under evaluation is predictive of behavior in deployment. This as...
多クラス量子分類における可観測集合に関する経験的研究
Empirical Study of Observable Sets in Multiclass Quantum Classification
arXiv:2602.08485v1 Announce Type: cross 要約：変分量子アルゴリズムは、学習タスクにおける量子コンピュータの初期応用として注目を集めています。監督学習の文脈において、パラメータ化された量子回路を用いて分類問題を扱った多くの研究は、その対象を二値分類に限定するか、二値分類器のアンサンブル（例えば、1 対の rest）を用いた多クラス分類を実施しています。一方...
Original: arXiv:2602.08485v1 Announce Type: cross Abstract: Variational quantum algorithms have gained attention as early applications of quantum computers for learning tasks. In the context of supervised lear...
Sentinel-2、Sentinel-3、および XGBoost に基づく核核積回帰 (Kernel Ridge Regression) を使用した魚捕獲量の推定
Estimation of Fish Catch Using Sentinel-2, 3 and XGBoost-Kernel-Based Kernel Ridge Regression
海洋学的要因、例えば海面温度と大洋のダイナミクスは、魚の分布に著しい影響を与えています。食料安全保障に貢献する水産業を維持するために、これらの関連性を定量化する必要があります。本研究は、多分光画像を用いて、サンデル-2 MSI とサンデル-3 OLCI からデータを取得し、XGBoost に核関数を組み込んだ核核積回帰 (Kernel Ridge Regression) 技術を使用して、魚の捕獲量...
Original: arXiv:2602.08511v1 Announce Type: cross Abstract: Oceanographic factors, such as sea surface temperature and upper-ocean dynamics, have a significant impact on fish distribution. Maintaining fisherie...
物理情報深層学習（PINNs）は深くなる必要があるか？Levenberg-Marquardt アルゴリズムを用いた浅い PINNs
Do physics-informed neural networks (PINNs) need to be deep? Shallow PINNs using the Levenberg-Marquardt algorithm
arXiv:2602.08515v1 発表 タイプ：クロース 要旨：本稿では、非線形偏微分方程式（PDE）の前進問題と逆問題の解決において、浅い物理情報深層学習（PINNs）の利用を調査する。PINNs を非線形システムと再構成することで、Levenberg-Marquardt（LM）アルゴリズムを用いてネットワークパラメータを効率的に最適化する。入力変数に関するニューラルネットワーク導関数の解析...
Original: arXiv:2602.08515v1 Announce Type: cross Abstract: This work investigates the use of shallow physics-informed neural networks (PINNs) for solving forward and inverse problems of nonlinear partial diff...
強化推論：不確実性を活用した自己修正言語モデルの推論
Reinforcement Inference: Leveraging Uncertainty for Self-Correcting Language Model Reasoning
arXiv:2602.08520v1 Announce Type: cross 要約：現代の大規模言語モデル（LLM）は、特に決定論的な行動を必要とするプロフェッショナルな場面で、一発勝負の貪欲な推論プロトコルの下で評価・運用されることが一般的です。この体制は、固定されたモデルの真の能力を系統的に過小評価します。多くの誤りは、知識の欠如からではなく、内部の曖昧さにおける早期の決断から生じます。我...
Original: arXiv:2602.08520v1 Announce Type: cross Abstract: Modern large language models (LLMs) are often evaluated and deployed under a \emph{one-shot, greedy} inference protocol, especially in professional s...
フローベースモデルを用いた逆問題の解法におけるトラジェクトリ・スチッチング
Trajectory Stitching for Solving Inverse Problems with Flow-Based Models
arXiv:2602.08538v1 Announce Type: cross 要約: フローベース生成モデルは、逆問題の解法において強力な事前分布として登場しました。その一つの方法として、フローの出力が逆問題を解くように初期の latent code（ノイズ）を直接最適化することは考えられますが、これには生成トラジェクトリ全体を backpropagate することになり、メモリコストが高く数値...
Original: arXiv:2602.08538v1 Announce Type: cross Abstract: Flow-based generative models have emerged as powerful priors for solving inverse problems. One option is to directly optimize the initial latent code...
Graphs 上の (k, z) 分割のインкреメンタルアルゴリズム
Incremental (k, z)-Clustering on Graphs
arXiv:2602.08542v1 Announce Type: cross 要旨：重み付けされた非対称グラフ、クラスター数 k、および指数 z が与えられた場合、グラフ上の (k, z) 分割問題の目標は、各頂点とその最も近い中心への距離の z 乗の和を最小化するように、k 個の頂点を中心として選択することである。動的な設定では、グラフは敵対的なエッジ更新に曝され、誘導された最短距離度量におけ...
Original: arXiv:2602.08542v1 Announce Type: cross Abstract: Given a weighted undirected graph, a number of clusters $k$, and an exponent $z$, the goal in the $(k, z)$-clustering problem on graphs is to select ...