3496 articles
DNS: 複雑なモデルフリープロセスのためのデータ駆動型非線形平滑化器
DNS: Data-driven Nonlinear Smoother for Complex Model-free Process
arXiv:2602.08560v1 Announce Type: cross\n要旨： 我々は、ノイズ混在した線形観測シーケンスから、複雑な動的プロセスの隠れた状態シーケンスを推定するために、データ駆動型非線形平滑化器（DNS）を提案します。この動的プロセスはモデルフリーであり、複雑なプロセスの非線形ダイナミクスに関する知識は持っていません。プロセスの状態遷移モデル（STM）が存在しません。提案...
Original: arXiv:2602.08560v1 Announce Type: cross Abstract: We propose data-driven nonlinear smoother (DNS) to estimate a hidden state sequence of a complex dynamical process from a noisy, linear measurement s...
建設的な条件付き正規化フロー
Constructive conditional normalizing flows
arXiv:2602.08606v1 Announce Type: cross 要旨：条件付きサンプリングの応用を念頭に置き、確率測度 $\mu$ と微分同相写像 $\phi$ を与えた場合、速度場が部分定数の重みを持つパーセプトロンニューラルネットワークである連続性方程式のフローを用いて、$\phi$ 及びそれを pushforward した $\phi_{\#}\mu$ を同時に近似する問題を...
Original: arXiv:2602.08606v1 Announce Type: cross Abstract: Motivated by applications in conditional sampling, given a probability measure $\mu$ and a diffeomorphism $\phi$, we consider the problem of simultan...
グラフニューラルネットワークと遺伝的アルゴリズムのハイブリッド化による遺伝的アルゴリズムの向上：シミュレータ配当のケーススタディ
Enhancing Genetic Algorithms with Graph Neural Networks: A Timetabling Case Study
arXiv:2602.08619v1 Announce Type: cross この論文は、時表化の最適化のために多様モードの遺伝的アルゴリズムとグラフニューラルネットワークをハイブリッド化することで得られる影響を調査します。グラフニューラルネットワークは、一般のドメイン知識を包摂してスケジュールの質を向上させるように設計されており、遺伝的アルゴリズムは探索空間の異なる領域を探索し、ディープラー...
Original: arXiv:2602.08619v1 Announce Type: cross Abstract: This paper investigates the impact of hybridizing a multi-modal Genetic Algorithm with a Graph Neural Network for timetabling optimization. The Graph...
ハイブリッド RAG におけるリトリアル・ピボット攻撃：ベクターシードからグラフ展開への増幅された漏洩の測定と緩和
Retrieval Pivot Attacks in Hybrid RAG: Measuring and Mitigating Amplified Leakage from Vector Seeds to Graph Expansion
arXiv:2602.08668v1 Announce Type: cross 要約：混合型リトリアル・オーギュメンテッド・ジェネレーション (Hybrid RAG) パイプラインは、ベクター類似検索と知識グラフの展開を組み合わせて多段推論を実現します。本稿では、この組み合わせがセキュリティ上の新たな失敗モードを導入していることを示します。ベクターで抽出された「シード」チャンクが、エンティティの...
Original: arXiv:2602.08668v1 Announce Type: cross Abstract: Hybrid Retrieval-Augmented Generation (RAG) pipelines combine vector similarity search with knowledge graph expansion for multi-hop reasoning. We sho...
判断力を身につける：LLM が評価ルブリックの作成と適用を行う
Learning to Judge: LLMs Designing and Applying Evaluation Rubrics
arXiv:2602.08672v1 Announce Type: cross 概要：大規模言語モデル（LLM）は、人間が定義した評価基準（rubrics）を適用して自然言語生成システムの出力を評価する評価者としてますます多用されています。ただし、人間の評価基準はしばしば静的であり、モデルが言語の質をどのように内部で表象するかと整合性がありません。本研究では、LLM が自らの評価基準を設計し、適用...
Original: arXiv:2602.08672v1 Announce Type: cross Abstract: Large language models (LLMs) are increasingly used as evaluators for natural language generation, applying human-defined rubrics to assess system out...
属性間の多様性を達成するための NNS における功利主義的定式化
Welfarist Formulations for Diverse Similarity Search
arXiv:2602.08742v1 Announce Type: cross 近傍検索（Nearest Neighbor Search: NNS）は、データ構造の基盤となる問題であり、ウェブ検索、推薦システム、そして最近では検索增强生成（RAG）など幅広い応用領域で利用されています。このような最近の応用においては、返された近傍の関連性（類似度）に加えて、近傍間の多様性が中心的な要件となっていま...
Original: arXiv:2602.08742v1 Announce Type: cross Abstract: Nearest Neighbor Search (NNS) is a fundamental problem in data structures with wide-ranging applications, such as web search, recommendation systems,...
ニューラルネットワークにおける回帰推論とメタ学習の事前分布
Amortising Inference and Meta-Learning Priors in Neural Networks
arXiv:2602.08782v1 Announce Type: cross 要約：ベイズ主義の核心的な側面の一つは、新たな証拠にともなって事前信念を更新することにある。もともとして事前信念を持たない場合、ベイズ的アプローチを維持することはどのように可能か？これはベイズ深層学習の分野において中心的な課題の一つであり、予測タスクに関する信念をモデルパラメータの上の事前分布として表現する方法が明確で...
Original: arXiv:2602.08782v1 Announce Type: cross Abstract: One of the core facets of Bayesianism is in the updating of prior beliefs in light of new evidence$\text{ -- }$so how can we maintain a Bayesian appr...
予測の価値を実証的に理解する：配分における予測の役割
Empirically Understanding the Value of Prediction in Allocation
arXiv:2602.08786v1 発表タイプ：クロス 要約：機関は、限られた資源を配分するために予測の使用をますます増やしています。設計の観点から見ると、より正確な予測は、設備拡張や治療品質向上などの他の投資と競争します。ここで重要な問いは、特定の配分問題をどのように解決するかではなく、何を解決すべきかという点です。この研究では、計画者がこの問いに原則に基づく回答を形成でき、予測への投資と設備...
Original: arXiv:2602.08786v1 Announce Type: cross Abstract: Institutions increasingly use prediction to allocate scarce resources. From a design perspective, better predictions compete with other investments, ...
価値体系の学習：多目標強化学習と優先付けに基づき社会の価値体系を扱う
Learning the Value Systems of Societies with Preference-based Multi-objective Reinforcement Learning
arXiv:2602.08835v1 Announce Type: cross 摘要：価値意識のある AI は、人間価値を認識し、異なるユーザーの価値体系（価値に基づく好ましさ）に適応する必要がある。これは価値の実用化を要し、これは誤解訂のリスクを伴う。価値の社会的特性は、価値体系が多様であってもグループ間でパターンを示すという事実を前提とし、その表現は複数のユーザーに適合しなければならない。順序...
Original: arXiv:2602.08835v1 Announce Type: cross Abstract: Value-aware AI should recognise human values and adapt to the value systems (value-based preferences) of different users. This requires operationaliz...
AMEM4Rec: エージェント型 LLM 推察システムにおける横用户類似性の活用と記憶の進化
AMEM4Rec: Leveraging Cross-User Similarity for Memory Evolution in Agentic LLM Recommenders
arXiv:2602.08837v1 Announcement Type: cross 要旨: LLM（Large Language Models）に駆動されたエージェントシステムは、推察システムにおいて強いポテンシャルを示しつつも、数々の課題に阻害されています。LLM のファインチューニングはパラメータ効率性が低く、プロンプトに基づくエージェント型推論はコンテキスト長および幻覚リスクに限界があり...
Original: arXiv:2602.08837v1 Announce Type: cross Abstract: Agentic systems powered by Large Language Models (LLMs) have shown strong potential in recommender systems but remain hindered by several challenges....
騒音を突き破る：機械学習原子間ポテンシャルの頑健な訓練ためのリアルタイムアウトリーヤー検出
Cutting Through the Noise: On-the-fly Outlier Detection for Robust Training of Machine Learning Interatomic Potentials
機械学習原子間ポテンシャルの精度は、数値ノイズを含む参照データに支障を被ります。これは、収束していないまたは一貫性のない電子構造計算に起因することが多く、特定するのが困難です。既存の緩和手法（手動フィルタリングや異常値の反復精錬）は、専門家の多大な手作業或多額の再訓練サイクルを要し、大規模データセットのスケーラビリティに困難をもたらします。そこで、追加の参照計算を必要としないリアルタイムの異常値検...
Original: arXiv:2602.08849v1 Announce Type: cross Abstract: The accuracy of machine learning interatomic potentials suffers from reference data that contains numerical noise. Often originating from unconverged...
反復型ニューラルネットワークにおける動的な計算割り当てを理解する
Understanding Dynamic Compute Allocation in Recurrent Transformers
arXiv:2602.08864v1 Announce Type: cross 要旨: トークンレベルの適応的な計算は、困難なトークンにはより多くの計算資源を、容易なトークンにはより少ない計算資源を割当てることで推論コストを削減しようとするアプローチである。しかし、これまでの研究は、トークンの難易度が観察できず、アーキテクチャ要因と混同されているため、タスクレベルの指標を用いた自然言語ベンチマー...
Original: arXiv:2602.08864v1 Announce Type: cross Abstract: Token-level adaptive computation seeks to reduce inference cost by allocating more computation to harder tokens and less to easier ones. However, pri...
量子回路与最適化のための微分論理プログラミング
Differentiable Logical Programming for Quantum Circuit Discovery and Optimization
arXiv:2602.08880v1 Announce Type: cross 要約：高忠実度量子回路の設計は依然として困難であり、現在のパラダイムはしばしば非効率的で汎用性のない制約付き Ansatz 構造や規則ベースのコンパイラに依存している。我々は、量子回路設計を微分可能な論理プログラミングの問題として再定式化する神経記号的な枠組みを導入した。我々のモデルは、学習可能な連続「真の値」または「...
Original: arXiv:2602.08880v1 Announce Type: cross Abstract: Designing high-fidelity quantum circuits remains challenging, and current paradigms often depend on heuristic, fixed-ansatz structures or rule-based ...
Retail において、対比学習を用いた多様性を意識した商品レコメンデーション
Contrastive Learning for Diversity-Aware Product Recommendations in Retail
arXiv:2602.08886v1 Announce Type: cross 本論文は、既存の IKEA Retail デジタルレコメンデーションパイプラインにおいて、レコメンデーション品質を損なわずにカタログの覆盖率を向上させる方法を提案しています。近年、人気バイアスを克服するための負サンプリングの進歩からヒントを得て、慎重に選定された負サンプリングと対比学習を統合しました。オフライン評価およ...
Original: arXiv:2602.08886v1 Announce Type: cross Abstract: Recommender systems often struggle with long-tail distributions and limited item catalog exposure, where a small subset of popular items dominates re...
勝者への呪いがデータ駆動型意思決定における虚偽の約束を招く：難民マッチングに関するケーススタディ
Winner's Curse Drives False Promises in Data-Driven Decisions: A Case Study in Refugee Matching
arXiv:2602.08892v1 発表タイプ：横断 要旨：データ駆動型意思決定における主要な課題の一つは、正確な政策評価、すなわち、学習された意思決定政策が約束された利益を達成することを保証することである。一般的な戦略は、モデルベースの政策評価であり、データからモデルを推定して反事実結果を推論する手法である。この戦略は、勝者への呪い（Winner's Curse）のために、真の利益の過大評価を...
Original: arXiv:2602.08892v1 Announce Type: cross Abstract: A major challenge in data-driven decision-making is accurate policy evaluation-i.e., guaranteeing that a learned decision-making policy achieves the ...
AMS-HD：高次元計算を用いたリアルタイムかつ低消費電力な高所病検出システム
AMS-HD: Hyperdimensional Computing for Real-Time and Energy-Efficient Acute Mountain Sickness Detection
arXiv:2602.08916v1 発表タイプ：横 要約：高所病は、高所へと旅立つ多くの個人に影響を与える、潜在的に命を脅かす状態です。症状が急速に拡大することもあり、早期検出は不可欠です。早期の認識は、下山、酸素吸入、または薬物療法などの簡易な介入を可能にし、適切な治療により重症合併症のリスクを著しく低下させることで命を救うことができます。従来の機械学習（ML）技術を用いて、心拍数、酸素飽...
Original: arXiv:2602.08916v1 Announce Type: cross Abstract: Altitude sickness is a potentially life-threatening condition that impacts many individuals traveling to elevated altitudes. Timely detection is crit...
オンライン単調密度推定と対数最適カルイブレーション
Online monotone density estimation and log-optimal calibration
arXiv:2602.08927v1 Announce Type: cross 要約: 我々は、シーケンシャルに観測されたデータから予測可能な方法で密度推定器を構築しなければならないというオンライン単調密度推定の問題を研究する。我々は、古典的な Grenander 推定者のオンラインの類似体と、オンライン学習の文脈から得た指数加重法にインスパイアされたエクスパートアグリゲーション推定者の 2 つの...
Original: arXiv:2602.08927v1 Announce Type: cross Abstract: We study the problem of online monotone density estimation, where density estimators must be constructed in a predictable manner from sequentially ob...
Provably robust learning of regression neural networks using $eta$-divergences
Provably robust learning of regression neural networks using $\beta$-divergences
arXiv:2602.08933v1 Announce Type: cross Regression neural networks (NNs) は一般的に、均方予測誤差の最小化によってトレーニングされます。この手法は外れ値やデータ汚染に対して非常に敏感です。既存の回帰ニューラルネットワークの耐障害トレーニング手法は範囲が限定され、主に経験的検証に頼っており、理論的な保証を部分的に提供するものは...
Original: arXiv:2602.08933v1 Announce Type: cross Abstract: Regression neural networks (NNs) are most commonly trained by minimizing the mean squared prediction error, which is highly sensitive to outliers and...
マルチエージェント強化学習における量子もつれを通じた協調学習
Learning to Coordinate via Quantum Entanglement in Multi-Agent Reinforcement Learning
arXiv:2602.08965v1 Announce Type: cross 摘要：マルチエージェント強化学習（MARL）における協調は、通信の欠如を重大な課題としています。以前の実験では、共同ランダム性を用いた共相关装置を通じてローカルポリシーを相関させる手法が探求されており、分散型意思決定を支援するメカニズムとして機能していました。一方、本稿では、共同量子もつれを協調資源として利用することを...
Original: arXiv:2602.08965v1 Announce Type: cross Abstract: The inability to communicate poses a major challenge to coordination in multi-agent reinforcement learning (MARL). Prior work has explored correlatin...
神経オジュデは複雑なネットワークで一般化するのか
When do neural ordinary differential equations generalize on complex networks?
arXiv:2602.08980v1 Announce Type: cross 要約：神経微分方程式（neural ODEs）は時系列データから動的システムを効果的に学習できますが、グラフ構造化データにおけるそれらの挙動は、特にトレーニング時に遭遇していない異なるサイズや構造のグラフに適用された際、まだよく理解されていません。ここでは、Barabási-Barzéli形式に従うベクトル場を持つ神経...
Original: arXiv:2602.08980v1 Announce Type: cross Abstract: Neural ordinary differential equations (neural ODEs) can effectively learn dynamical systems from time series data, but their behavior on graph-struc...