3496 articles
LEXIS: 3D 人対物相互作用の LatEnt ProXimal Interaction Signatures の画像からの推定
LEXIS: LatEnt ProXimal Interaction Signatures for 3D HOI from an Image
arXiv:2604.20800v1 発表タイプ：cross 要約: RGB 画像から 3D 人間対物相互作用を再構築することは、感応型システムにとって不可欠です。しかし、これは人体と物体間の微細な物理的結合を捉える必要があるため、依然として課題が残っています。現在の手法は、不鮮明な接触の指示に依存していますが、これらは自然な相互作用の特徴である連続的な親和性と稠密的な空間関係のモデル化に失敗し...
Original: arXiv:2604.20800v1 Announce Type: cross Abstract: Reconstructing 3D Human-Object Interaction from an RGB image is essential for perceptive systems. Yet, this remains challenging as it requires captur...
Lattice ゲージ理論のためのゲージ不変性を持つグラフニューラルネットワーク
Gauge-Equivariant Graph Neural Networks for Lattice Gauge Theories
arXiv:2604.20797v1 Announce Type: cross 要約：局所的ゲージ対称性は基本的相互作用と強く相関する量子物質を支配しており、既存の機械学習のアプローチは、特に局所的な観測量において、サイト依存の対称性に基づく学習に関する普遍的かつ原理的な枠組みを欠いています。ここでは、メッセージ伝達に行列値のゲージ共変的特徴と対称性適合の更新を介して非阿ベル対称性を直接埋め込む...
Original: arXiv:2604.20797v1 Announce Type: cross Abstract: Local gauge symmetry underlies fundamental interactions and strongly correlated quantum matter, yet existing machine-learning approaches lack a gener...
Working Memory Constraints Scaffold Learning in Transformers under Data Scarcity
arXiv:2604.20789v2 Announce Type: cross 摘要：我々は、人間の類似的作業記憶の制約を Transformer アーキテクチャに統合し、固定幅ウィンドウベースや時間減衰ベースの注意機構を含む、いくつかの認知にインスパイアされた注意バリエーションを実装しました。我々の変更された GPT-2 モデルは、発達的に妥当なデータセット（1,000 万語と 1,000 万語...
Original: arXiv:2604.20789v2 Announce Type: cross Abstract: We investigate the integration of human-like working memory constraints into the Transformer architecture and implement several cognitively inspired ...
運転者の行動とマッピングデータを統合した個人向け電気自動車エネルギー消費見積もりフレームワーク
Personalized electric vehicle energy consumption estimation framework that integrates driver behavior with map data
arXiv:2604.20764v1 Announce Type: cross 本文は、地図ベースの文脈特徴と運転者固有の速度予測、および物理ベースのエネルギー消費モデルを組み合わせた個人用バッテリー電気自動車 (BEV) エネルギー消費見積もりフレームワークを提示します。本システムは、ルート選択、詳細な道路特徴処理、ルールベースの参照速度生成器、PID 制御器ベースの車両 dynamics サ...
Original: arXiv:2604.20764v1 Announce Type: cross Abstract: This paper presents a personalized Battery Electric Vehicle (BEV) energy consumption estimation framework that integrates map-based contextual featur...
Coverage, Not Averages: Semantic Stratification for Trustworthy Retrieval Evaluation
arXiv:2604.20763v1 Announce Type: cross 要約：検索品質は、検索拡張生成（RAG）の精度と強固さにおける主要なボトルネックです。現在の評価は、直感的に構築されたクエリセットに依存しており、このアプローチは潜在的な固有のバイアスを導入します。本研究では、検索評価を統計推定の問題として形式化し、評価セットの構築が指標の信頼性を根本的に制限していることを示しました...
Original: arXiv:2604.20763v1 Announce Type: cross Abstract: Retrieval quality is the primary bottleneck for accuracy and robustness in retrieval-augmented generation (RAG). Current evaluation relies on heurist...
V-tableR1: 批評家導向政策最適化によるプロセス監視型マルチモーダルテーブル推論
V-tableR1: Process-Supervised Multimodal Table Reasoning with Critic-Guided Policy Optimization
arXiv:2604.20755v1 発表 タイプ：クロス 抽象: 私たちは、マルチモーダル大規模言語モデル（MLLM）から厳密かつ検証可能な推論を引き出すための、プロセス監視型強化学習フレームワークである V-tableR1 を導入しました。現在、最終結果のみでトレーニングされた MLLMs は、可視化推論をブラックボックスとして扱い、表面的なパターンマッチングに頼り、厳密な多段階推論を実行して...
Original: arXiv:2604.20755v1 Announce Type: cross Abstract: We introduce V-tableR1, a process-supervised reinforcement learning framework that elicits rigorous, verifiable reasoning from multimodal large langu...
AAC：ALT 最短経路推論のためのアーキテクチャ適合微分ランドマーク圧縮
AAC: Admissible-by-Architecture Differentiable Landmark Compression for ALT
arXiv:2604.20744v1 Announce Type: cross アブストラクト：我々は、ALT（A*、ランドマーク、および三角形不等式）最短経路推論手法の出力が構成上適合であり、かつ任意のパラメータ設定において微分ランドマーク選択モジュールである**AAC**（Architecturally Admissible Compressor）を導入しました。各順次は三角形不等式の下限の...
Original: arXiv:2604.20744v1 Announce Type: cross Abstract: We introduce \textbf{AAC} (Architecturally Admissible Compressor), a differentiable landmark-selection module for ALT (A*, Landmarks, and Triangle in...
Auto-ART: 構造化された文書総合と自動的敵対的頑健性テスト
Auto-ART: Structured Literature Synthesis and Automated Adversarial Robustness Testing
arXiv:2604.20704v1 Announce Type: cross\n要約: 敵対的頑健性評価は、信頼性の高い ML デプロイメントのあらゆる主張の基盤となっていますが、この分野は断片的なプロトコルと検出されていない勾配マスクの影響下にあります。私たちは 2 つの貢献を提供します。(1) 構造化合成。私たちは 2020 年から 2026 年までの 9 つの学術誌の Corpus ソース...
Original: arXiv:2604.20704v1 Announce Type: cross Abstract: Adversarial robustness evaluation underpins every claim of trustworthy ML deployment, yet the field suffers from fragmented protocols and undetected ...
String における重み付けされた角度距離
A weighted angle distance on strings
arXiv:2604.20633v1 Announce Type: cross 摘要：私たちは、指数関数的な重み $\rho^n$ を用いて、すべての $n$-グラムのカウントベクトル間の角度距離を集約することで、文字列上に多規模の距離 $d_\rho$ を定義します。DBSCAN クラスタリングにおける $d_\rho$ の性能を、編集距離および $n$-グラムのベースラインとベンチマークします...
Original: arXiv:2604.20633v1 Announce Type: cross Abstract: We define a multi-scale metric $d_\rho$ on strings by aggregating angle distances between all $n$-gram count vectors with exponential weights $\rho^n...
pAI/MSc: 人間の関与による ML 理論の研究
pAI/MSc: ML Theory Research with Humans on the Loop
arXiv:2604.20622v1 Announce Type: cross 抽象: 私たちは、学術研究ワークフローのためのオープンソース、カスタマイズ可能、モジュール化したマルチエージェントシステムである pAI/MSc を提案します。我々の目標は自律的な科学発想や、完全自動化された研究ではありません。より狭く、実践的なのは、指定された仮説を文献に基づいた、数学的に確立され、実験的に支持された...
Original: arXiv:2604.20622v1 Announce Type: cross Abstract: We present pAI/MSc, an open-source, customizable, modular multi-agent system for academic research workflows. Our goal is not autonomous scientific i...
神経科学に着想を得たタイムリーな信頼度付けおよび関係性の有識向量埋め込みによる検索増強生成：スマートベクター
Self-Aware Vector Embeddings for Retrieval-Augmented Generation: A Neuroscience-Inspired Framework for Temporal, Confidence-Weighted, and Relational Knowledge
arXiv:2604.20598v1 発表 タイプ：クロス 要約：現代の検索増強生成（RAG）システムは、向量化埋め込みを静的で文脈依らないArtefact（人工物）として扱っています。埋め込みには、いつ作成されたか、ソースの信頼性はどうか、他の埋め込みがどれほど依存しているかの概念がありません。この知識の平坦化には測可能なるコストがあります：最近の VersionRAG に関する研究は、従来の ...
Original: arXiv:2604.20598v1 Announce Type: cross Abstract: Modern retrieval-augmented generation (RAG) systems treat vector embeddings as static, context-free artifacts: an embedding has no notion of when it ...
明瞭な演算子が、現代のシーケンスおよび言語モデリングに用いられるニューラルネットワークにおけるエンドツーエンド計算を解説する
An explicit operator explains end-to-end computation in the modern neural networks used for sequence and language modeling
arXiv:2604.20595v1 Announce Type: cross 要旨：我々は、データにおける長距離依存性を捉えるための最先端アーキテクチャである状態空間モデル（State Space Models）と、正確に解ける非線形発振子ネットワークとの間に数学的な対応関係を示しました。この一般的な対応関係の具体的な例として、構造状態空間シーケンスモデル（S4）の対角線時間不変の実装を分析しま...
Original: arXiv:2604.20595v1 Announce Type: cross Abstract: We establish a mathematical correspondence between state space models, a state-of-the-art architecture for capturing long-range dependencies in data,...
確証ケースの構造と由来解析のための文脈付与グラフとしての評価
Evaluating Assurance Cases as Text-Attributed Graphs for Structure and Provenance Analysis
arXiv:2604.20577v1 発表タイプ: cross 要約：確証ケースは、システム要件または特性に関する主張を裏付ける構造化された論理文書であり、その根拠によって支えられています。規制された分野では、これらの確証ケースは業界標準のコンプライアンスおよび安全性要件を満たすために不可欠です。本稿では、確証ケースの構造と由来を解析するためのグラフ診断フレームワークを提案します。当社の焦点となる...
Original: arXiv:2604.20577v1 Announce Type: cross Abstract: An assurance case is a structured argument document that justifies claims about a system's requirements or properties, which are supported by evidenc...
ベイズ軟最大値ガットのミックス・オブ・エキスパートモデルについて
On Bayesian Softmax-Gated Mixture-of-Experts Models
arXiv:2604.20551v1 発表タイプ：クロス 要約：ミックス・オブ・エキスパートモデルは、入力依存のガティング機構を通じて複数の専門モデルを組み合わせることで、複雑な確率的入力-出力関係を学習するための柔軟な枠組みを提供します。これらのモデルは現代的機械学習においてますます重要になっていますが、ベイズ枠組みにおける理論的性質はほぼ未探究です。本論文では、広く見られる軟最大値ベースのガテ...
Original: arXiv:2604.20551v1 Announce Type: cross Abstract: Mixture-of-experts models provide a flexible framework for learning complex probabilistic input-output relationships by combining multiple expert mod...
観測データにおける潜在混淆因子の下での因果効果の同定可能性を決定するための効率的な記号計算
Efficient Symbolic Computations for Identifying Causal Effects
arXiv:2604.20516v1 Announce Type: cross 要約: 潜在的混淆因子の下で観測データから因果効果の同定可能性を決定することは、因果推論における中心的な課題です。線形構造的因果モデルの文脈では、因果効果の同定可能性は記号計算を通じて決定可能です。しかし、グロベーナー系 (Gröbner bases) に基づく標準的なアプローチは、二重指数関数的複雑さを持つため、小さ...
Original: arXiv:2604.20516v1 Announce Type: cross Abstract: Determining identifiability of causal effects from observational data under latent confounding is a central challenge in causal inference. For linear...
認証されたマルウェア検出へ：妨害攻撃に対する証明された保証
Towards Certified Malware Detection: Provable Guarantees Against Evasion Attacks
arXiv:2604.20495v1 Announce Type: cross 要旨：機械学習に基づく静的マルウェア検出器は、メタモルフィックエンジンの変異などの敵対的回避技術に対して依然として脆弱です。この脆弱性に対処するため、我々は機能アブレーションと目標ノイズ注入を通じたランダム化平滑化に基づいた、認証された堅牢なマルウェア検出フレームワークを提案しました。評価中、我々のシステムは実行可能フ...
Original: arXiv:2604.20495v1 Announce Type: cross Abstract: Machine learning-based static malware detectors remain vulnerable to adversarial evasion techniques, such as metamorphic engine mutations. To address...
ジブスアルゴリズムによる分散型機械学習における中央集権型パフォーマンス保証
Decentralized Machine Learning with Centralized Performance Guarantees via Gibbs Algorithms
arXiv:2604.20492v1 Announce Type: cross 本稿では、局所データセットを共有することなく分散型学習において中央集権型パフォーマンスを達成できることが、初めて示されました。具体的には、クライアントが相対エントロピー正則化（ERM-RER）を持つ経験リスク最小化学習枠組みを採用し、クライアント間の前向き・後向き通信が確立されたとき、すべてのデータセットへのアクセスを...
Original: arXiv:2604.20492v1 Announce Type: cross Abstract: In this paper, it is shown, for the first time, that centralized performance is achievable in decentralized learning without sharing the local datase...
予測 masked graph autoencoder を使用した個々の NetFlow の予測
Forecasting Individual NetFlows using a Predictive Masked Graph Autoencoder
arXiv:2604.20483v2 Announce Type: cross 要旨：本稿では、グラフ構造と接続特徴を正確にモデル化することで、ネットワークフローレベルのトラフィック（NetFlow）を成功裏に予測できる概念実証型のグラフニューラルネットワーク（GNN）モデルを提案する。私たちは、IP、ポート、および接続ノードを含む等 size の不斉な双方向グラフに、スライディングウィンドウを...
Original: arXiv:2604.20483v2 Announce Type: cross Abstract: In this paper, we propose a proof-of-concept Graph Neural Network model that can successfully predict network flow-level traffic (NetFlow) by accurat...
順序タスクにおける時間差補正：視覚・言語・動作モデルへの適用
Temporal Difference Calibration in Sequential Tasks: Application to Vision-Language-Action Models
arXiv:2604.20472v1 Announce Type: cross 要約：最近、ロボティクス分野における視覚・言語・動作（VLA）モデルの進歩は、順序タスクにおける確実な不確実性の定量化の重要性を浮き彫りにしました。しかし、このような環境における補正の評価と改善は、特に部分軌道のみが観測されている状況においては、ほとんど研究されていないままです。本研究では、エピソードタスクにおける順...
Original: arXiv:2604.20472v1 Announce Type: cross Abstract: Recent advances in vision-language-action (VLA) models for robotics have highlighted the importance of reliable uncertainty quantification in sequent...
MOMO: シームレスな物理的、口頭、および図形的なロボットスキル学習と適応のためのフレームワーク
MOMO: A framework for seamless physical, verbal, and graphical robot skill learning and adaptation
arXiv:2604.20468v2 発表タイプ：クロス 要約: 産業用ロボットアプリケーションでは、非専門家が異なるタスクと環境に対して容易に適応できるフレキシブルなシステムが必要とされています。ただし、異なる適応は異なる対話モダリティ的利益をもたらします。私たちが提示するインタラクティブなフレームワークは、3 つの補完的なモダリティを通じたロボットスキル適応を可能にします：精密な空間修正のため...
Original: arXiv:2604.20468v2 Announce Type: cross Abstract: Industrial robot applications require increasingly flexible systems that non-expert users can easily adapt for varying tasks and environments. Howeve...