Category
Transformer、GNN、軽量化など、モデル実装や既存モデル改良に関係する深層学習技術を追います。
🤗 Transformersは、テキスト・ビジョン・音声など複雑なモデル定義をサポートするフレームワークで、インフェレンスターやトレーニングに使用できる。
この研究では、COVID-19臨床パスウェイズの予測監視を支援するために、パイプラインを構築しました。このパイプラインには、データリフティング、時間的再構成、イベントログの構築、プリフィックスベースの表現、予測モデルの整
このリポジトリでは、64MパラメータのGPTを完全にTrainingし、2時間以内に完成させる手法を提供します。
このリポジトリでは、私的なAIプラットフォームであるDocGPTを提供しています。
🤗 Transformersは、テキスト・ビジョン・音声など複雑なモデル定義をサポートするフレームワークで、インフェレンスターやトレーニングに使用できる。
分散トレーニングと推論を容易、効率的に実行するためのディープラーニング最適化ライブラリです。
このリポジトリでは、私的なAIプラットフォームであるDocGPTを提供しています。
🤗 Transformersは、テキスト・ビジョン・音声など複雑なモデル定義をサポートするフレームワークで、インフェレンスターやトレーニングに使用できる。
分散トレーニングと推論を容易、効率的に実行するためのディープラーニング最適化ライブラリです。
本論文は、言語モデルの最適化に使用される Hyperparameter Transfer を量化するフレームワークを開発します。このフレームワーフークは、3 つのメトリックスを使用し、そのうちの 1 つは、hyperpa
このリポジトリでは、64MパラメータのGPTを完全にTrainingし、2時間以内に完成させる手法を提供します。
AIモデルを高速にトレーニングするためのライブラリ。1台から10000台のGPUで利用可能。
マシンラーニングシステムの理論と実装に関する本。
デバイス上のLLM推論をXビット量化を使用したもの。
AI用のデータセットを提供するプラットフォームです。
オープンソースのAI推論最適化と展開用ツールキットです。
SGLangは、大規模言語モデルのサービングフレームワークです。このライブラリは、高性能なサービスフレームワークで、大規模言語モデルのサービングをサポートしています。
OpenRLHFは、Ray上に構築された強化学習フレームワークです。このフレームワークは、PPO、DAPO、REINFORCE++など、様々な強化学習アルゴリズムをサポートしています。
SANAは、高解像度画像生成モデルSANAを紹介する本研究であり、低計算コストで優れた高解像度画像を生成できる。
kserveは、分散型生成的および予測性AI推論プラットフォームであり、可 scale, multi-framework デプロイをサポートして Kubernetes 上に展開されることができます。
FastVideoは、加速されたビデオ生成用の統合推論とポストトレーニングのフレームワークです。
長時間のビデオ生成を実現するためのモデルのサポートを紹介している。
デベロッパー向けのモデロプティミゼーションフレームワークです。モデルの高速化と効率化を実現することができます。
オープンソースのAIオーケストレーションフレームワークです。LLMアプリケーションの構築に必要なパイプラインやエージェントワークフローの設計ができるようになっています。
このリポジトリでは、トークナイザーの最適化を提供しています。
電気生理信号から表現を学習し、脳コンピューターインターフェースの開発を支援する。
LLMを利用するために、セマンティック検索やLLMのオーケストレーションなどを行えるフレームワーク。
トークナイザーの高速化を目的としているライブラリ。
この研究では、有効なバンドのオブザーバブックを設計しました。このオブザーバブックは、ユーザの相互作用とコンテキストの変化に応じて、有効バンドをアダプティブに選択することができます。
この研究では、Zero-Touch自動化のために、時間系列モデルをトラッキングするための、機械学習ベースのアプローチを開発しました。このアプローチは、機器の唯一の出力を利用し、データを生成することができます。
この研究では、低リソース言語NMTのために、データ合成方法を開発しました。これにより、データ合成されたコーパスを使用し、NMTモデルをパラメータ効率的にフィーヌチュン化できます。
この研究では、モバイルエージェントの評価に不可欠なパーソナルな知能を実現するために、iOSを対象としたベンチマークを設計しました。
この研究では、継続学習における塑性保存を実現するために、ダイナミックアイソメトリを用いて、次世代神経ネットワークの塑性を保存しました。
Responses to perturbations are key to understanding physical systems. The ability to contrast such responses b
Vision-Language-Action (VLA) models have demonstrated impressive end-to-end performance across a variety of ro
With AI increasingly deployed in safety-critical systems, providing formal robustness guarantees for the under
Training parameterised quantum circuits (PQCs) on quantum hardware is bottlenecked by the measurement cost of
We tightly characterize the VC dimension of depth-$L$ Transformers with a total of $W$ parameters, mapping an
バイオメディカル言語モデルの場合も、Cosine Similarityで2つのトピックを関連付ける際に、0.83をスコアに返却しますが、実際にはその2つは関係がありません。このことから、off-the-shelfのバイオ
Alzheimer's disease (AD) progression is highly heterogeneous and is typically observed through sparse and irre
Bayesian optimization (BO) is a central tool for sample-efficient design, and latent-space Bayesian optimizati
Long-context language model inference is bottlenecked by memory, as the KV cache grows with context length. Re
Muon has recently emerged as a state-of-the-art optimizer for pretraining Large Language Models (LLMs) and vis
Differential equations play a critical role in scientific discovery because they provide a mathematical framew
When running marketing campaigns, retailers must decide which products to promote and which users to target. T
対応する注意力ヘッドの回路を発見することを目的とした研究。注意力ヘッドをクラスタリングするだけでなく、カウザル・アブレーション方式を使用して検証する。
scRNA-seq データの解釈を向上させる Transformer を提案。モデルにゲノム規制的情報を組み込むことで、遺伝子発現の解釈と予測の精度が向上することを示した。
動画大規模言語モデルを使用した質問に対する回答を研究。モデルの能力と限界を調査し、質問に対する答えを生成するための方法を提案した。
SMFS データの自動化された分析を提案。モデルを使用して、不均衡された SMFS データを分析する方法を提案した。
スペシオ・テンポラルグラフニューラルネットワークの効率化を研究。モデルの計算量を減らす方法を提案した。
ラングラージュモデルを効率的に推論することを目的とした研究。モデルの推論を効率化するために、モデルの深さを自動的に調整する方法を提案した。
On-policy distillation (OPD) provides dense token-level supervision by asking a teacher to score student-gener
On-Policy Distillation (OPD) has become a core technique in the post-training of Large Language Models (LLMs)
Humans rely on spatially dense, geometry and force-aware tactile feedback at high temporal resolution for dext
The Fokker-Planck equation (FPE) plays a pivotal role in describing the time evolution of probability density
Modeling interacting dynamical systems requires capturing spatial interactions alongside long-range temporal d
オンライン学習の継続学習では、モデルは非駅性データ ストリームから知識を継続的に蓄積する必要があります。モデルのパラメータはトレーニング中に効果的に調整される必要がありますが、パラメータ効率的なプロンプト チューニングや
この研究では、機械学習モデルをプライバシー保護のための適応化する際、プライバシー保護の実験的な効果を分析することに関与します。
この研究では、プレトレーニング済みモデルを低レベルタスクに向けて適応化するためのPrior-Support ガイドされた超視覚的フィニートゥニング方法であるPriFT を提案しました。
この研究では、強力な防御ガードモデルと低パラメータのLLMを組み合わせたデュアルモデルシステムを導入し、安全なLLMのデプロイに使用できます。
この研究では、強化学習のトレーニングに使用するRewardsの検証が難しい場合は、Rewardがグループレベルでは無価値で、グループ間の優劣比較が不可能となる問題に対処するためのReasoning Arenaを提案します
この研究では、Tensor ParallelismとFully Sharded Data Parallelism技術を利用して、GPU メモリ限界のある従来の検証アーキテクチャの制約を解いて、機械学習ネットワークの検証を
この研究では、ゼロショット セマンティック再特定の基準を設定し、画像のセマンティック特定を自動化します。
この研究では、長期的なタスクの再帰の信用割当問題に対処するために、長期的なタスクの再帰をサポートするPrivileged Bayesian Self-Distillation (PBSD) を提案します。
Football event data constitute a rich spatiotemporal source for quantitative analysis of player actions in tea
Tensor program optimization is essential for modern machine learning systems, but its search space is enormous
On-policy distillation (OPD) trains a student on its own trajectories with dense per-token supervision from a
Understanding tactical organisation of association football, hereafter referred to as football, requires ident
Understanding how transformer representations evolve across layers, not merely what they encode, remains an op
パーキンソン病（PD）の早期検出への取り組みとして、脳の損傷が発症前に生じる話術障害を分析するため、音声分析を用いてパーキンソン病の診断を提唱しています。
スパイクニューロンネットワーク (SNNs) は多くのフレームワーク（SnnTorch, Lava, Norse, など）で訓練されるが、各フレームワークごとにモデルのためのフォーマットがあるため、一貫した実行方法が見ら
This paper presents a unified system designed to support precision agriculture by integrating advanced weather
Decentralized SGD is a fundamental algorithm in decentralized learning, although the influence of an underlyin
Multimodal large language models (MLLMs) commonly inherit the deep, symmetric Transformer backbone designed fo
While Ising machines serve as advanced physical solvers for the Ising model,enabling applications in combinato
The rapid evolution of artificial intelligence has led to substantial advances in deep neural networks. Noneth
Deep reinforcement learning (DRL) frameworks for portfolio optimization have shown promise for their ability t
Alcmean's アルゴリズムは、複雑なネットワークの分析において基本的な問題であるコミュニティ検出に取り組んでいます。従来のアルゴリズムはマニュアルなパラメータ調整を必要としており、中心の選択も不正確です。この課題を
オンポリシーディストリレーションは、近年、重要なポストトレーニングの研究分野となりました。強い教師モデルを使用して学習トレッジを密に細かく指示することで、トピック認識を実現します。しかしなだな的にトークンレベルにおいてデ
分析研究は、LLM推論速度を速めるため、トークン、レイヤー、ヘッド、次元、注意パターンの削減技術である削減技術を適用し、広範なパラダイムとして成長しています。削減方法の実装によって、実現された加速の度合いは、ハードウェア
In science and engineering, Lagrangian simulation methods such as Smooth Particle Hydrodynamics (SPH) or Mater
Two-stage post-training -- a Stage-1 warm-start (supervised fine-tuning, SFT, or on-policy distillation, OPD)
Video generative models have become increasingly powerful, but long-range consistency remains challenging to a
Convolutions have successfully transitioned from image processing to the complex realm of non-Euclidean higher
Reward models trained from pairwise preferences often exploit superficial shortcut cues rather than learning t
Post-training quantization (PTQ) converts a trained full-precision model into low-bit weights without task-lev
ADMMを使用した凸最大化を高速化するために、入力非線形ニューラルネットワークを使用して目的関数のモアユーブンフォルーの近似を作成する学習アジュスト化システムであるLEAFを提案します。
質問の難易度を自動で推定することで、教材の質問を作成する際の手間を軽減し、学習者の成果を高めることができます。
モジュラー演算を使用することで、メモリを最適に利用することができるようになり、パフォーマンスの向上につながります。
分散された学習を実現するために、教師モデルから学生モデルへの知識のdistillationを提案します。
スライディングウィンドウのマルチアームバンドットでのパフォーマンスを最適化するために、アルゴリズムを提案します。
分子設計のための機械学習モデルを作成することで、効率的な合成が可能になり、薬剤開発などの分野で大きく貢献することが可能です。
時間の重み付けを考慮することで、分布の確立を進めることができるようになります。
言語モデルの寿命リスクへの適用を実現するために、コックス比例危険モデルを使用して、新しいアプローチを提案します。
カウザルの可縮尺を推定することで、カウザルの推論を進めることができるようになります。
リカURRENTニューラルネットワークの隠れ状態の安定性を推定することで、ネットワークの推論を進めることができるようになります。
知識グラフの補完の評価の多様な評価方法を実現するために、新しいアプローチを提案します。
この論文では、Transformer を使用してタスク認識の弱さを検出し、検出精度を向上させる方法を提案する。
この論文では、ロボット手術の制御を改善するために、ロボットの視覚的シーンの動作と操作を同時にモデル化する方法を提案する。
この論文では、シミュレータの設定を改善するために、新しいフレームワークを提案する。これにより、シミュレーターをより効率的に設定できる。
この論文では、分散型エクスキューションの観察性を考慮するために、新しいフレームワークを提案する。これにより、分散型エクスキューションの評価がより効果的に行える。
自動運転車やインテリジェント輸送システムなどの自動化された車両の感知には3次元オブジェクト検出が必要です。道路での長距離検出は困難ですが、道路ではこの「長距離」に対する感知と決定の時間は約1-2秒です。2つの主な課題が現
基礎モデルは、多モーダル生理信号を人間の健康に縮小された表現に圧縮することで、睡眠医学、心臓学、神経学など、広い応用域への道を開いています。既存のモデルは、一般的にはマスクした再構築または対比的目的で訓練されています。
AIのミニドラマ（または果実のドラマ）は、最近、ソーシャルメディアプラットフォーム上で広まった短い、アルゴリズム的かつ分散された生成AIビデオシリーズです。これらのビデオの視覚表現は、性的に見えると思われる果物が表現され
AIを用いた創作タスクに対する採用はますます広がる一方ですが、そのような用途を用いることにより、個々の創造性が当面で地元で低下し、スコープ上で創造性の多様性が減少します。そこで、我々は、コンピュータでシミュレートした検証
Chain-of-Thought (CoT) improves the performance of Large Language Models (LLMs) and has been extended to Multi
Vision-language-action models have shown strong promise for robot manipulation, yet raw language is primarily
AI Scientist agents are often evaluated as if capability were mainly a function of model quality, prompting, o
Two-server secure inference allows a client to query a hosted large language model (LLM) without revealing pro
Federated Learning (FL) allows a set of clients to collectively train a global model without sharing local tra
During instruction fine-tuning (IFT), large language models (LLMs) learn to follow instructions by using the p
世界モデルがロボットの学習パイプラインに導入されると、安全でないロボットがDeploymentされるリスクが生じる可能性があることが示されている。
公共の証明と形式数学の論理的推論を実現するTheoremBenchが提案され、LLMsの能力を評価する。
Webエージェントを自動化するためのAliyunConsoleAgentが提案され、ドキュメントの検証とWebエージェントの開発を簡素化する。
RAGプレフィルへの速力向上を目的としたSIFTが提案され、TTFTを短縮し、コストを削減する。
Efficient acquisition, storage, and utilization of traffic data are critical challenges in spatio-temporal dat
異なる種類の動物を取り巻く面からの画像を使用して、動物の特定を行う方法を提案している。
コストや侵入性を考慮することなく、遠隔操作で動物の個体を認識できる手法を提案している。
可勉強のターブルの信号に関する表現モデルが、異なるトレーニングパラダイムを持つモデルを評価しやすくする基準であるTRL-Benchを提案している。
脳-エージェント接続での脳サイン入力を安全に実行できるシステムを提案し、脳サイン入力攻撃を検知することができる。
可変化の帯域幅を考慮した、聴覚超材料の逆設計における新しいフレームワークである Physics-Guided Sequence-Based Generative Framework for Acoustic Metama
少ない例の問題のオブジェクト認識においては、オブジェクト認識の提案の精度を向上させることができる。
Social Scienceにおける、Memory-Augmented Social Simulationを利用した深層学習を利用して、新しい研究方法を提案し、Social Scienceの研究実現を実現した
EEG foundation-model releases are usually audited one endpoint at a time: raw-reconstruction, membership infer
Egocentric visionを使用して、ペダストリアンの歩く道に渡るのを予測する。Closed-ended visual question answering（VQA）問題に形式することで、ビジョン言語モデルを使用
空中マルチスペクトル点群（MPC）では、三次元空間とスペクトルの情報を組み合わせたデータが取得できるが、点群データの分類は難しい課題であったため、新しい学習フレームワークを 提案。
Dynamic origin-destination (OD) flow generation seeks to synthesize realistic mobility dynamics from temporal
Removing intermediate representations and separately trained decoding stages has become an important direction
Large Language Models (LLMs) have enabled increasingly personalized interactions by adapting to users' prefere
Latent world models are increasingly used for control and goal-conditioned planning, yet assessing whether the
オーディオTokenと文書をモデル化するためにコーデックベースのARトークのジェネレーターが強力な文を音声の質を高めました。しかし、このアプローチでは、音声Tokenのシーケンスはテキストシーケンスより長くなるため、AR
Vision-and-Languageナビゲーションエージェントは、言語指示に従って環境を探索できる。Zero-shot Vision-and-Languageナビゲーションエージェントには、未知の環境における安全性と信
Extracting building polygon contours from high-resolution remote sensing images is a fundamental task for vari
Macro placement is a fundamental step in modern chip physical design, playing a crucial role in determining th
この研究では、複数の時系列予測を合わせたモデルを使用して、個々の時系列の特性を考慮した予測を行うFAMEを提案します。このモデルは、個々の時系列の特性を考慮することで、より正確な予測が可能になります。
この研究では、マルチモーダル言語モデルの評価のためのフレームワークを開発します。このフレームワークは、マルチモーダル言語モデルの生成性とコントロール性を評価することができます。
Ensuring the reliability of Large Language Models (LLMs) under distribution drift requires inference-time adap
Writing Individualized Education Programs (IEPs) is a high-labor, knowledge-intensive document burden; English
WhisperのようなマルチリンガルASRモデルの音声認識能力をDravidian言語で向上させるために、データセットと言語分析を用い、モデルをフィネチュアリングし、デコーダの不平衡を解消し、音声認識誤差を低減した。
Social robots must interact robustly not only with users assumed by speech-centered systems but also with dive
Creativity is a complex cognitive ability that relies on knowledge organisation and retrieval from semantic me
Large language models (LLMs) provide a powerful reasoning backbone for speech understanding, but integrating c
Nüshu is an endangered phonetic script historically used by women in Jiangyong County, southern Hunan, China.
Chinese discriminatory-language detection is challenging because harmful intent is often implicit and context-
Prior work has shown that fine-tuning large language models on malicious or incorrect outputs in narrow domain
Large language model (LLM)-based agents are increasingly used in interactive textual environments, from web na
View-dependent appearance modeling remains a challenging problem in novel-view synthesis and reconstruction. A
Large-scale document processing requires contextually aware table extraction (TE) that is both accurate and ef
Semantic change detection (SCD) aims to simultaneously locate land-cover changes and identify semantic categor
Eye movements, including saccades, are widely regarded as highly sensitive and objective biomarkers of neuroph
We describe our system for the SoccerNet 2026 Player-Centric Ball-Action Spotting Challenge, which requires pr
The dominant paradigm in video retrieval relies on embedding-based full-corpus scanning, which suffers from in
With the advancement of visual sensing systems, computer vision is playing an increasingly important role in a
Conventional one-hot encodings often yield poorly calibrated models, being overconfident under attack, and let
Real-time video restoration (VR) for live streams requires high-resolution outputs under strict per-frame late
Estimating the relative poses of multi-camera systems is a fundamental problem in computer vision, with critic
Biochemical recurrence (BCR) after radical prostatectomy is a critical endpoint in prostate cancer, yet risk s
Advances in handwritten text recognition have enabled large-scale transcription of historical documents, but s
Open-domain open-vocabulary detection (ODOVD) requires detectors to generalize to both novel categories and un
Reliable motion classification is critical for autonomous driving, as false dynamic predictions of static obje
The rapid development of pretrained foundation models has enabled more general image segmentation. Multimodal
Visual reasoning requires integrating evidence distributed across regions, attributes, and relations, making s
3D semantic scene generation is crucial for autonomous driving applications, yet most methods rely on complex
Deformable image registration (DIR) is widely used in radiotherapy for dose propagation and accumulation, but
Adapting large-scale pre-trained video generators for Video Super-Resolution (VSR) in novel domains remains co
Multi-modal Large Language Models (MLLMs) have achieved remarkable progress in video temporal grounding with r
As a bio-inspired intelligent sensor, event cameras have introduced a new paradigm in the intelligent percepti
Hyperspectral object tracking (HOT) leverages the rich spectral information provided by hyperspectral videos (
While recent autoregressive video diffusion models achieve remarkable streaming quality, they remain confined
Multimodal 3D object detection based on LiDAR and cameras has demonstrated excellent performance in ground-veh
Glaucoma is a leading cause of irreversible blindness worldwide, and early detection from fundus images is cri
Despite the rapid advancements in event-based motion estimation, current geometric methods primarily focus on
Unmanned aerial vehicle (UAV) object detection requires compact detectors that retain small-object details und
Reward models are central to text-to-image post-training, but visual preference is subjective and better repre
Existing pruning methods for 3D Gaussian splatting (3DGS) suffer from either severe quality degradation or pro
Methods based on implicit neural representations have demonstrated superior performance in Screen Content Imag
This paper introduces EPS3D, a new end-to-end feed-forward framework for open-vocabulary 3D panoptic segmentat
Diffusion models have advanced 3D shape generation, yet most methods still denoise in high-cardinality spaces
Worldwide image geo-localization aims to determine the capture location of an image on a global scale. Existin
In many binary segmentation tasks, most multimodal methods rely on fixed feature concatenation for cross-modal
Vision-Language-Action (VLA) models demonstrate strong perfor-1 mance on language-conditioned robotic manipula
Learning robot manipulation policies with deep neural networks from a single demonstration remains highly chal
Robust inertial odometry is essential for various carriers when external sensing is unreliable. Learning-based
Vision-Language-Action (VLA) models have become a powerful framework for robotic manipulation, and recent stud
Generating high-quality dexterous grasps remains challenging for learning-based methods, which often depend on
Humanoid robots hold immense potential for real-world assistance, yet agile interaction with objects in unstru
Reliable robotic navigation necessitates the seamless integration of accurate global localization and dense, m
Autonomous obstacle removal from the ground is an important earthwork task, but this is difficult to automate
Accurate calibration of particle-based simulators is crucial for robotic earthwork simulation, but analytical
Autonomous UAV swarms require scalable coordination mechanisms that maintain mission performance under limited
Autonomous FPV quadrotor flight in complex environments using a monocular RGB camera as the sole exteroceptive
Humanoid robots can fall on slopes, gravel, and uneven ground in unstructured environments. We target integrat
We study the problem of computing competitive equilibria in the Arctic product-mix auction, originally develop
このリポジトリでは、AIエンジニアリングのためのオープンソースプラットフォームであるMLflowを提供しています。
AwesomeOPDはオンPolicy distillationの最適化用リストである。オンPolicy distillationでは、学習済みモデルを小さくすることでモデルを高速化する。
セマンティックシーケンス分割モデルのライブラリです。
PyTorchベースのリージョニングLMMを作成するためのチュートリアルです。
transformerlab-appは、AI研究者に、ローカルハードウェアとGPUクラスタ間でモデルを平滑にトレーニング、評価、およびスケールさせることができる、オープンソースの研究環境です。
Neural Network Inference用の高性能フレームワークです。モバイルプラットフォームに最適化されています。
パラメータ効率の向上のための最先端のフィネチュニングフレームワークです。
LLMやVLMのFine-Tuningを簡素化したライブラリ。
The \emph{Fourier neural operator} (FNO) is a neural network architecture that learns mappings between functio
The rapid adoption of diffusion and large-scale generative models has made it increasingly challenging to dist
Standard Reinforcement Learning with Verifiable Rewards (RLVR) training allocates a fixed rollout budget to ev
Inference-Time Scaling (ITS) has largely succeeded in verifiable domains like math and coding, where cheap ver
Despite the success of image generation from text descriptions, it still faces challenges that are difficult t
Mixture-of-Experts (MoE) scales model capacity efficiently by selectively routing inputs to a specialized subs
Gaussian-corrupted sentence embeddings have no direct linguistic interpretation, yet continuous diffusion lang
Linear attention reformulates sequence modeling as recurrent state evolution, enabling efficient linear-time i
Orthogonalized momentum updates, as used in Muon-style optimizers, have recently shown strong empirical stabil
Reinforcement Learning (RL) has emerged as a pivotal post-training paradigm, yet it frequently suffers from un
The analysis of internet memes in the Nepali language is complicated by frequent code-mixing and a lack of est
Transformers consistently fail to learn certain simple functions that are provably expressible with specific p
Simulation plays a key role in automated robotics research supported by large language models (LLMs). However,
While Deep Active Learning (DAL) effectively reduces human annotation costs, its efficacy is constrained by hu
Multirotors are widely used in applications ranging from surveillance to precision agriculture, yet convention
Purpose: Spatial transcriptomics (ST) enables gene expression measurements within the tissue context. However,
Counterfactual recourse aims to provide actionable feature changes that would alter an unfavorable decision ma
Activation steering has emerged as a popular inference-time technique for modulating the behavior of large lan
Diffusion and flow generative models sample by integrating a learned ODE, but high quality still requires many
Voice biometric systems face growing threats from spoofing attacks, yet the evaluation of detection models rem
In this paper, we propose a perturbation-based conformal prediction framework for uncertainty quantification i
Action-supervised fine-tuning of vision-language-action (VLA) policies fits demonstrations effectively but con
Prefill-decode (PD) disaggregation decouples prompt processing from token generation, but it also turns the ke
Long-horizon maritime trajectory prediction is important for shipping management, logistics planning, and mari
We study data-driven real-time economic optimization of a multi-product chemical reactor when no reliable firs
We present an online reinforcement learning (RL) algorithm for fine-tuning flow-matching policies in continuou
Deep learning EEG denoising architectures have scaled from tens of thousands to tens of millions of parameters
Efficient quantum error correction is essential for the advancement of quantum computing. We propose a quantum
Sparse coding provides a principled framework for signal representation by expressing an input as a linear com
Data pruning (DP), as an oft-stated strategy to alleviate heavy training burdens, reduces the volume of traini
Tensor networks provide efficient representations for compressing large neural networks. By carefully designin
While global data-driven models excel at predicting continuous atmospheric variables, three-dimensional hydrom
Routine laboratory panels drawn during cancer treatment constitute longitudinal physiological recordings of or
Unmanned aerial vehicles (UAVs) are increasingly being deployed in logistics, service robotics, and other real
Bayesian optimization (BO) is a widely used approach for black-box optimization that uses a Gaussian process (
Muon replaces a matrix gradient $G=UΣV^\top$ by its polar factor $UV^\top$. This keeps the singular directions
Urban public transport disruptions require rapid response strategies, yet existing studies rarely provide a de
Text-to-image diffusion models are increasingly deployed in open-ended creative contexts, yet their outputs re
Visual world models have shown great potential in learning complex system dynamics. Recent advancements levera
Automatic evaluation is critical for high-stakes text generation, where errors often involve omitted findings,
W4A4 quantization promises full utilization of INT4 Tensor Cores, yet group dequantization overhead on CUDA Co
Modernization of legacy scientific codes is often necessary to keep up with the ever-evolving changes in the c
Skill-augmented reinforcement learning improves language agents by storing reusable procedural knowledge acqui
We present HydraQE, our contribution to the IWSLT 2026 Speech Translation Metrics shared task. HydraQE is an e
Symbolic music evaluation for large language models remains fragmented across representations, datasets, and m
AI coding assistants have significantly improved developer productivity by automatically suggesting code that
The increasing situational awareness of language models raises safety concerns: models might be aware when the
We present a multilingual fact-checking system deployed at Factiverse, designed for high-throughput and low-la
Purpose - Quotation error refers to the inconsistency between cited information and its original source. This
Transformer language models process input provided as subword fragments, but natural language semantics usuall
Selective predictors answer on confident inputs and abstain elsewhere; deploying one safely needs a single fin
As deep language models (DLMs) are increasingly deployed in high-stakes domains such as healthcare, understand
Speech Large Language Models (Speech LLMs) lack a principled mechanism for streaming inference: their label-sy
Activation steering provides a lightweight inference-time mechanism for controlling large language models (LLM
Block-wise semi-autoregressive decoding is the standard inference paradigm for diffusion large language models
Multimodal language models are typically evaluated through external behavior: selecting the correct image--tex
CNN-based semantic segmentation networks usually rely on context heads such as ASPP, PPM, or attention modules
We introduce Contrast Sensitive Flow (CSFlow), a weighting scheme that connects the human eye's Contrast Sensi
Image data regarding galactic morphology is expected to increase both in quantity and quality for the next for
Representation alignment with pretrained vision models has recently shown strong potential for accelerating di
Document image binarization aims to separate foreground text from degraded backgrounds while preserving thin,
Effective visuo-tactile integration is critical for robotic dexterous manipulation, especially when visual obs
Global LiDAR localization is a fundamental task for autonomous navigation systems. Recent methods perform Scen
''Thinking with Images'' has emerged as an effective paradigm for fine-grained visual reasoning: by explicitly
Achieving fully automated, physically plausible 3D motion synthesis is a core objective in graphics and genera
Low-Rank Adaptation (LoRA) enables efficient federated fine-tuning of segmentation foundation models for medic
We present BLUE, a minimal method for better language use in vision-language-action (VLA) models for autonomou
Existing video generation frameworks treat sequence duration as an externally prescribed parameter -- fixed fr
Large and demographically balanced datasets are essential for reliable neuroimaging biomarkers. Full-resolutio
Routine full-disk EUV imaging has been available only since the modern era, such as SOHO and SDO. To extend EU
The processing of gigapixel whole slide images within vision language models faces a major difficulty due to a
Facial Expression Recognition (FER) has advanced rapidly over the last decade, driven by the shift from handcr
Exploratory manipulation often turns an apparent failed attempt into the key evidence for what to do next. For
Remote sensing applications for environmental monitoring and disaster management are frequently constrained by
Although video virtual try-on (VVT) has achieved significant progress, existing methods still exhibit two fund
Multimodal Large Language Models (MLLMs) face a significant inference bottleneck due to the quadratic computat
Despite the impressive capabilities of text-to-image (T2I) models, an intent-generation gap often persists due
Modeling high-frequency outgoing radiance distributions remains a fundamental challenge in global illumination
The task of temporal answer grounding in instructional video (TAGV), which aims to locate precise video segmen
Vision-language models (VLMs) pretrained on large-scale image-text pairs demonstrate strong image-level unders
Urban last-mile parcel delivery increasingly relies on heterogeneous fleets whose performance depends on timel
Diffusion-based visuomotor policies operating directly in raw action spaces conflate scene comprehension with
Autonomous Underwater Vehicles (AUVs) traditionally rely on complex, heavily engineered pipelines for percepti
Generative robot policies fail unpredictably at deployment: they hesitate at critical moments, drift off-task,
While large language models (LLMs) offer promising reasoning capabilities, their integration into safety-criti
Proactive robot assistance in household environments requires accurate prediction of human activities and obje
Diffusion policies have achieved remarkable success in robotic manipulation, yet they often fail to satisfy st
On-policy distillation (OPD) has become a central post-training tool for large language models (LLMs), providi
データサイエンスの学習には役立つリポジトリ。実世界の問題に応じた学習が可能。
この論文では、ディフュージョンモデルの高速化を目的としたNVIDIA FastGenについて説明しています。FastGenは、ディフュージョンモデルから高速に生成することが可能です。
presidioは、テキスト、画像、構造化データを含む敏感データを検出、削除、マスク、アノニマイズするオープンソースフレームワークです。自然言語処理、パターンマッチング、カスタマイズ可能なパイプラインをサポートします。
Filtering-based probabilistic numerical solvers for ordinary differential equations (ODEs) have been establish
Most statistical and machine learning methods for directed interactions focus on pairwise effects among variab
We study causal discovery from observational data when some variables are hidden and the data-generating proce
Modern language models represent text using discrete token-level embeddings, which forces recurring multi-toke
Standard transformers apply self-attention uniformly at every layer and token, regardless of whether the input
Tabular data is a primary medium for storing real-world information, driving many industrial applications of m
Text-to-SQL translates natural language into executable SQL queries. Few-shot in-context learning methods buil
Safety evaluations often infer latent motivations from behavioral patterns, but the construct validity of thes
Automated stuttering detection (ASD) systems struggle with paediatric speech due to high acoustic variability
Large Language Models (LLMs) have significantly propelled the advancement of edge intelligence and have been w
Lossy text compression reduces data size while preserving core meaning, making it well-suited for summarizatio
Large language models (LLMs) can generate factually inconsistent claims, motivating accurate and scalable hall
Large language models (LLMs) frequently generate hallucinations, which are unsupported by a source document. T
Deep-learning speaker verification (SV) increasingly relies on deep neural network backbones, whose environmen
Repeated reference games test whether interlocutors replace their initially long descriptions with shorter, pa
Although low-bit quantization provides practical means to deploy speaker verification on resource-constrained
Diffusion language models (DLMs) offer substantial speed advantages through parallel decoding, but the lack of
Sentence segmentation in Arabic is challenging due to ambiguous and inconsistent punctuation, with many texts
Current open-weight large language models (LLMs) are prone to malicious finetuning attacks, which could compro
Backdoor attacks in large language models (LLMs) are often treated as isolated trigger-response failures, moti
Agent skills provide a lightweight mechanism for extending general-purpose agents, but their open format expos
This paper presents our system description for the 2nd Workshop on Multimodal Augmented Generation via Multimo
Standard dynamic vision sensors approximate retinal processing by detecting temporal contrast changes, offerin
Temporomandibular joint osteoarthritis (TMJ OA) is a prevalent degenerative condition whose osseous changes ar
While multimodal integration significantly improves computer vision models, deploying them incurs prohibitive
Self-supervised learning (SSL) has achieved remarkable representation learning performance, but many existing
Passive long-wave infrared (LWIR) hyperspectral imaging under a standoff geometry depends on atmospheric absor
Score-based generative models have had remarkable success over the last decade in generating a diverse set of
Visual Autoregressive (VAR) models adopt a next-scale prediction paradigm, offering high-quality generation wi
Recovering the relative 6-DoF pose between two image groups underlies cross-sequence relocalization and multi-
Recent advances in Diffusion Transformers have driven rapid progress in video generation and editing, yet thes
World Action Models (WAMs) extend robot policy learning by incorporating future prediction as an additional tr
We present SegmentAnyTreeV2, a sensor- and platform-agnostic framework for semantic and instance segmentation
MRI preprocessing defines the input distribution seen by brain MRI foundation models, yet it is usually treate
Vision Transformers (ViTs) achieve strong performance but suffer from high computational costs due to quadrati
Ground contact forces acting on the human body, are crucial for biomechanics studies or sport performance anal
Vision Transformers operate on fixed patch grids, which can introduce phase-dependent instability for dense pr
Vision-based driver monitoring systems are increasingly deployed in safety-critical intelligent transportation
Manipulation understanding requires reliable relational evidence, such as contact, support, containment, motio
We are surrounded by various objects with movable, articulated parts, e.g., box, handle, door. An accurate and
We present OSMGraphCLIP, a CLIP-style geospatial representation model that learns global location embeddings f
Facial rigging - creating FACS-based blendshapes together with inner-mouth geometry (teeth, gums, and tongue)
Physical human-robot interaction (pHRI) demands simultaneous trajectory accuracy and compliant safety under un
Humanoid foundation models are advancing faster than we can evaluate them. While real-world testing is expensi
Enabling humanoid robots to operate in complex, dynamic environments remains a critical challenge, fundamental
With the evolution of large foundation models (LFMs), data-driven autonomous driving has made significant stri
In-context imitation learning (ICIL) enables robots to learn new tasks from a small number of demonstrations b
Model Predictive Control (MPC) is widely used for autonomous-vehicle (AV) motion planning, but its real-time a
Humans exhibit remarkable motor agility, enabling a wide range of dynamic skills such as running and jumping,
Humanoid behavior foundation models aim to acquire reusable whole-body control policies from broad human motio
We propose Q-Guided Value-Gradient Matching (Q-VGM), an off-policy reinforcement learning (RL) method that tac
A learned world model provides a powerful physical intuition for evaluating future states. But its effectivene
Whole-body teleoperation is essential for scalable robot data collection in loco-manipulation tasks, yet exist
The classical Second Welfare Theorem decentralizes any Pareto efficient allocation through prices and transfer
分類問題では、多くの場合、ラベルは存在しないため、従来の学習アルゴリズムでは困難に感じられるが、In-Context Multiple Instance Learningという手法を使用することで、低ラベル環境で効率的に
Neural ordinary differential equations (neural ODEs) have rapidly gained prominence as a powerful and unifying
We study the minimax estimation error for distributed covariance matrix estimation in the vertical-split (feat
Accurate vessel traffic flow prediction is crucial for smart port operations and navigational safety. However,
The transformer's emergent ability to perform in-context learning (ICL) has sparked a wide range of studies de
Researchers have shown that neural similarity among humans predicts social closeness and cooperative success,
Sparsity allows scaling model parameters without proportionally increasing computational cost. While mixture o
LLM-based coding agents sometimes acknowledge a problem in their own reasoning and then proceed anyway. We cal
Powered prostheses conventionally rely on impedance controllers that require extensive manual tuning and expli
Path-planning for autonomous vehicles in threat-laden environments is a fundamental challenge because the prob
Accurate distance estimation for small drones in long-range imagery is important for tracking and situational
この論文では、PartialObservation SEMGデータから多関節の関節角度を推測するための新しいMusculoskeletalNeuralNetwork（MSK-NN）を提案した。MSK-NNはCNNベースの
Monolithic vision-action models represent an emerging paradigm in autonomous driving. However, this architectu
この論文では、ロボット制御の新しい表現方法であるSpline Policy（SP）を提案した。SPは、行動を spline で表現することで、行動をより詳細かつ柔軟に表現することができた。
この論文では、VLAモデルをedgeハードウェアにデプロイするための手法を提案しています。この手法は、VLAモデルをedgeハードウェアにデプロイするためのフレームワークです。この手法は、edgeハードウェアを利用してV
3D Multi-Object Tracking (MOT)では、人の動きを検出し続けるために、3D点群データから3D人体の姿勢姿勢を推測する必要があり、主に幾何学情報に依存しているが、これは状況によっては人を分別するの
World Action Models (WAMs) offer a promising approach to embodied intelligence, yet existing methods rely heav
Multi-operator control of robot teams requires not only access to the same mission information, but also mecha
この論文では、ロボットの制御を学習するための、新しいモデルの提案であるactionmapを提示しました。
この論文では、6-自由度のグレイスプースト推定を実現するための新しいフレームワークであるCross-view Fusionフレームワークを提案しました。
タスクプランニングは複雑な論理制約の下でロボットが長い時間スケールのアクションシーケンスを決定する際、効率性の低下を伴い、近年のニューロ・シンボリックアプローチはオブジェクトの重要性スコアを学習し、タスク非関連オブジェク
We consider multiple agents competing to acquire some costly divisible resource (e.g. shares of a financial as
Repository-level coding benchmarks such as SWE-bench have driven a rapid surge in the capabilities of coding a
On-policy distillation (OPD) is increasingly used to improve large language model reasoning, but its training
Deep research agents have demonstrated remarkable capabilities in complex information-seeking tasks, yet this
Video understanding is being rapidly transformed by multimodal large language models (MLLMs), as research move
We present dots.tts, a 2B-parameter continuous autoregressive text-to-speech (TTS) foundation model that model
Despite advances in 3D scene understanding, existing 3D Large Multimodal Models operate in offline settings, r
Developers increasingly use AI tools such as ChatGPT, Copilot, and Claude in everyday software workflows, but
We introduce StreamForce, a streaming video generation framework that enables physically grounded control thro
Hard-negative source selection for dense retrieval is usually decided only after fine-tuning and downstream ev
Harmony is a compact symbolic layer where mathematical pitch relations, acoustic consonance, and musical conve
基礎モデルの前処理を行うためのライブラリ。最小限でシームレスにスケールできる。
この論文では、Causal-Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive
Understanding the generalization performance of over-parameterized neural networks has become a central topic
Recent progress has been made in understanding the statistical generalization performance of gradient descent
この研究では、詳細バランスが保持される非復元的修正をフォッカー-プラッツ動力学に導入し、その結果を解析しました。これにより、動力学の安定性と変化をより深く理解することができました。
この研究では、機械学習モデルにおける余分なバイアスの軽減に焦点を当てました。この研究では、多くの状況においては余分なバイアスを軽減できる新しい方法を提案しました。
グラフ内でパターンの検出を行うためのフレームワークであるGraphDETRを導入し、グラフ内のパターン検出を集合学習問題として視覚化した。GraphDETRは、DETRObjを元にグラフ内の対象グラフを表現する方法を開発
ペアのトポロジー的な距離に関する制約を満たすための統一的なトポロジーコーラムを開発しました。これにより、トポロジー的な距離の精度を向上でき、信頼できる結果として得られることができました。
高次元データセットの局所的平均曲率を推定することは、幾何学的認識アライメントのような幾何学的認識アルゴリズム、特に Mean Curvature Boundary Points (MCBP) メソッドで重要となる。ナイー
この研究では、強い攻撃に対してグラフニューラルネットワーク (GNN) の安定した推論を保つために、PAC-ベイズ分析を使用して GNN の一般性を分析します。新しい分析方法を提案することで、GNN の弱信頼性の推論結果
この研究では、複数ドメインのデータを扱うための主成分分析 (PCA) を改善する方法を提案します。この方法は「Anchor PCA」と呼ばれ、複数ドメインのデータを扱うための次元削減を実行できます。
Follow-the-regularized-leader framework has shown effectiveness and flexibility in online learning problems, w
この研究
この研究では、自律宇宙船のサイバーセキュリティ対策を実施しました。研究結果によると、TinyMLを用いたクラシカルなモデルは、SPARTA 攻撃モデルに対する対策が最も効果的であると報告されました。
分析モデルは、特定のアセットを中心とした分析に特化しており、異業連鎖の変動を反映していなかった。そのため、関連企業の注意を考慮し、連続時間グラフを用いて、分析結果をより包括的に表現することができる。
この仕事では、LAAT（Locally Aligned Ant Technique）を拡張し、ノイジーで高次元のデータを扱うために設計されたフィルタリングアルゴリズムであるHub-Aware Hybrid Searchが
工業用ロボットのmotion planningの高速化と効率化を目指し、サンプル効率的な低レベルmotion planningアルゴリズムとゼロショットトランスファーレーニングを組み合わせる方法を提案する。
難しい問題であるニューラルネットワークの予測不確実性を量化することで、予測精度を高め、信頼性を向上させる。深いアンサンブル法は複数のモデルの訓練および評価を必要とする。対照的に、ここでは潜在分散偏差の情報を使用して、広い
Forward-Forward (FF) learning [Hinton, 2022] replaces backpropagation with strictly layer-local goodness updat
AIが世界の予測から自らの自己認識に移行するのは、AIがその自己の自己を区別できるまでには、複数の条件が満たされなければならないことを示した。
Visuomotor manipulation policies trained via large-scale behavior cloning have achieved strong semantic scene
Non-prehensile object manipulation skills are important for real-world robot interactions, enabling highly dyn
Long-horizon robot manipulation tends to fail gradually: one bad step degrades the state, and the policy spira
How can we plan long-horizon routes that reach designated goals, visit required waypoints, and remain short wh
HANDOFFは、人間を模倣するロボットの制御を実現するために構築されたフレームワークです。ロボットはタスクを認識し、動作を生成します。HANDOFFは、タスクに合わせて動作を生成するアジエントを形成するために、教師と学
この研究では、マルチタスクエクソスポkeletonコントロールのセーフティー保証を改善するための新しい方法を提案します。 Simulation-Trained Variable Impedance Framework は
Safety-critical traffic scenario generation is essential for evaluating autonomous driving systems under rare
この研究では、ロボット用ワープロートのサンプリングを改善するための新しい方法を提案します。 Waypoints Matter は、ロボットが目標地に向かって進むための最適なルートを決定します。
この研究では、加速度データの正確化に取り組み、加速度計の線形化を実現する ALAC を提案します。
布物操作の学習システムを開発しました。このシステムは、人間が布物操作を学習できます。
この研究では、さまざまな時脈に沿った触角の融合を利用して、複雑な多モーダル接触リソースの学習を実現する MiTaS を提案します。
ポイントサンプリングを高速化する方法を開発しました。この方法は、ポイントサンプリングを高速化できます。
End-to-end autonomous driving modelsがmulti-modal maneuver generationとreal-time inferenceをバランスすることが難しい問題を解決し、di
このリポジトリでは、画像認識モデルにアクション生成能力を付与することを目指したモデルを提案します。このモデルは、画像認識のための事前訓練モデルを用いて、複雑なアクションを生成することができます。
この研究では、ヒューマノイドロボットのロコマニパションのための MotionDisco を提案し、ロボットは接触を検出して自律的に行動することができるようになります。
この研究では、水中移動の経路計画に適したフレームワークを提案し、経路計画の精度を向上させた。
この研究では、L-SDPPO という方法を提案します。これは、連携型ロボット Manipulation に向けたディフュージョン ポリシーの最適化を実現するものです。
ドローンが突然ローターの故障を起こすと、その回復が物理的に不可能になる危険があるため、パッシブ・フェイルサフティファックト・フライト・コントロールが必要になる。
統合された視覚言語アクションモデルを提案し、これを用いたタスクの性能を向上させることができるようになる。
この研究では、シニティックなシナリオを用いたロボットの安全性ポリシーの学習を提案します。Red TeamとBlue Teamは、プログラミング言語のガミフィケーションフレームワークを用いて、シナリオ生成をアドバレッシアル
RP-Regretは、相手を考慮した再帰ゲームのための評価指標です。RP-Regretは、プレイヤーが過去の歴史に応じて行動することを考慮した再帰ゲームの評価指標です。
この研究では、ロボットの運動を制御するための新しい方法を提案した。
この研究では、人間とロボット間のコミュニケーションを効率化するためのアプローチを提案した。
この研究では、cooperationmechanismsを利用するためのreinforcementlearningをnetworkcommon-poolresourcgamesに適用します。
Agent systems increasingly use textual skills to encode reusable task procedures, but injecting these skills i
Linear activation steering has gained popularity as a simple and empirically effective way to control language
Training vision-language web agents with multi-step RL is compute-intensive, with two dominant forms of ineffi
Evaluating LLM mediators remains challenging, as mediation unfolds as a real-time trajectory shaped by disputa
Despite the rapid progress of Vision-Language Models (VLMs), the field lacks benchmarks that rigorously diagno
Reasoning models produce long chain-of-thought traces that are costly to distill and encourage verbose student
We study the transformation of autoregressive models (ARLMs) into diffusion language models (DLMs). Rather tha
Code language models need repository-level context to resolve imports, APIs, and project conventions. Existing
Developing unified video generation and editing models capable of interpreting interleaved multimodal inputs i
Prior work has shown that large language models (LLMs) can translate unseen or low-resource languages by under
Standard continuous-time generative models rely on monolithic architectures that must navigate vastly differen
Inference-time skill augmentation provides a lightweight way to improve data-analytic agents by injecting reus
On-policy distillation (OPD) supervises the student only in output space by matching next-token probabilities.
Large language models can reproduce training data, but existing memorization evaluations mostly measure whethe
Large language models are increasingly used to simulate social media users and infer how individuals may respo
Open Source Computer Vision Libraryは、画像やビデオを分析するためのライブラリです。
Pythonで使えるマシンラーニングライブラリを紹介している。
オミクスデータを用いた炎症性腸疾患の亜型を検出するための、新しい方法、Tri-SfSVDを提案した。
Many nonlinear iterative procedures generate high-dimensional trajectories whose early behavior is informative
モラ・ゾワンジの形式を利用して、非マルコフ閉じ方程式を解消するためのMamba-Assisted Closure (MAC) のフレームワークが提案されました。
この論文では、2 つの分散関数間の動的輸送マップを学習するための分散関数の流れ対称性が研究され、観測された中間マージナルを使用してこの対称性を強制する手法が提案されました。
この研究では、diffusion language models に watermarks を組み入れる方法を提案している。水印は、diffusion によって生成される masked sequences で追加される。
この研究では、多くの関連データ源を利用したターゲットデータの学習 (Transfer learning) に特有の問題として、関連データ源 (Source data) が均質ではない (Heterogeneous な)
この研究では、グラフ構造を考慮したグラフ機械学習アルゴリズムを提案しており、特にグラフ構造と多ホップ支援を考慮したリワイアリング技術を提案している。
この研究では、非線形性に対する効率的な解析 (Nonlinear Dynamics) を提案しており、非線形性を効率的に解析し、それを活用する。
この研究では、マルコフ決定過程の最適な意思決定 (Markov Decision Process) を提案しており、最適な意思決定を動的で適応的に生成する。
この研究では、非線形不等式制約の学習 (Nonlinear Inequality Constraints) を提案しており、非線形不等式制約を効率的に学習する。
この研究では、時系列データのペアトレーディング (Dynamic Multi-Pair Trading Strategy) を提案しており、時系列データを効率的にトレードする。
Machine learning's reliance on sensitive data necessitates privacy-preserving techniques like Differentially P
Differential Privacyを使用してプライバシーを確保し、モデルが更新する必要のある少なくとも一部の座標を推定する方法を提案する
拡散モデルのパラメータを推定するために、Fokker-Planck方程式を解くためにノーマライズ・フローを使用する方法を提案する。
Neuroevolution is a representative neural architecture search paradigm that evolves both network topology and
Traffic sign recognition is crucial for intelligent transportation and autonomous driving, as it can improve d
パラメータの最適化を目的としたオフライン-MOOアルゴリズムを提案する。
この論文では、競合価格を考慮した需要モデル設計と、競合価格に対する意識のない学習とアルゴリズム的コラージュの間の関係を論じています。
We show that in discretised first-price auctions with complete information, if the buyers learn to bid with on
In this work, we study the additively separable Group Activity Selection Problem (AS-GASP) in an imperfect inf
Reputation, the aggregation of peer assessments diffused through social networks, is a pivotal mechanism for p
Muon improves training efficiency over Adam in large language-model training by about two times, but the local
Large language models are increasingly evaluated by other models, raising a natural question: can a model pred
Reasoning models have advanced rapidly, but the dominant reinforcement learning from verifiable rewards (RLVR)
The robustness of deep neural networks is crucial for safety-critical deployments, yet existing evaluation met
Experience internalization converts contextual experience from past interactions into reusable parametric capa
We study the personal camera roll visual question answering setting. In this setting, a conversational AI assi
World-action models (WAMs) jointly generate future video and robot actions through iterative diffusion, achiev
Learning representations of CAD models is a largely open problem. While 3D representation learning has flouris
We present Echo Infinity, an autoregressive (AR) framework towards real-time infinite video generation that em
Feed-forward 3D Gaussian Splatting methods reconstruct a scene from posed or pose-free images in a single forw
Autoregressive mesh generation has gained attention by tokenizing meshes into sequences and training models in
Training Data Attribution (TDA) seeks to trace a model's predictions back to its training data. The gold stand
Koopman theory turns nonlinear dynamics into a linear spectral problem. In computation, however, everything de
PyTorchで使用できる画像エンコーダとバックボーンの最大のコレクションです。トレーニング、評価、推論など様々なスクリプトや事前の重み付きデータが含まれます。
We formulate the problem of \emph{exact unlearning} in reinforcement learning, where the goal is to design an
Online evaluation of ranking and retrieval systems often relies on downstream monetization metrics such as app
This paper investigates non-stationary online learning using the metric of interval regret, which requires an
We develop a quantitative approximation framework for diffusion distillation, viewing few-step sampling as err
スタンダードなコンフォーマル推測 (CP) 手法では、p値を使用します。しかし、p値だけで十分ではありません。e値ベースのコンフォーマル推測手法はp値と連関があることを実証しました。e-value手法はstatistic
The discovery rate of fast radio bursts (FRBs) continues to increase with the advent of new radio facilities a
パルサーのタイミング残差を予測するために、長短期記憶ネットワーク (LSTM) を用いて提案しました。このLSTMは、小数数の時間残差に最も適しています。しかし、LSTMのトレーニングには時間がかかり、パルサー数が豊富な
SVRモデルの中で、特定の目的関数の最適化に応用できる、DC法を適用する手法を提案しました。具体的には、 DCの構造を分析し、それを適用することで、最適化のプロセスが改善されます。
Score-based diffusion models have emerged as prominent deep generative models; however, their application to t
We develop a contraction-based framework for proving mixing-time bounds for Markov chain Monte Carlo algorithm
Modeling interactions among multimodal, high-dimensional data is intrinsically challenging due to ultra-high d
構成グループの学習は、2層のニューラルネットワークが2つのグループのエンコーダーを予想することを含むグループ構成タスクの
The ability to train spiking neural networks is essential for modeling biological neural networks as well as f
Magnetic tunnel junction を使用したcompactニューロンが提案され、このニューロンはleaky integrate-and-fireオペレーションを行うことができる。また、free層とpinn
Equilibrium Propagation (EP)は、エネルギーベースのモデル、特にPredcitveCodingNetwork (PCN)のトレーニングに利用できるフレームワークです。EPは、トレーニングの過程に
The prefrontal cortex (PFC) maintains goal information for action planning, but how recurrent circuits preserv
スパイキングビジョン トランスフォームの量子の減少のために、物理学的に基づいた量子の削減方式を提案する。この方式は、モデルを物理的に削減する際に発生する不均衡を補正するために、モデルに特化した前処理と後処理を実施する。
スパイク式ビジョン変換模型（SVM）を圧縮するための削減法の開発と、それを用いた実験結果について論じます。
Spiking language models expose activation sparsity that dense Transformer runtimes do not directly exploit. Th
The landmark Myerson-Satterthwaite Theorem establishes a fundamental impossibility in bilateral trade: no Baye
Text-to-image models rely on text prompts as their primary interface to human intent. Prompts are encoded by a
In robotics systems, vast amounts of visual data are easily captured at high resolution using low-cost, low-po
Recent progress in Large Language Model (LLM) agents has enabled promising advances in automated data science.
Few-step distillation has become an effective strategy for accelerating advanced visual generative models, yet
Large Reasoning Models (LRMs) have achieved remarkable progress thanks to Reinforcement Learning with Verifiab
On-policy self-distillation, where a language model conditions on privileged context to supervise its own gene
We present AAD-1, an Asymmetric Adversarial Distillation framework for One-step autoregressive image-to-video
Graph Language Models (GLMs) have become a promising direction for adapting Large Language Models (LLMs) to gr
Training and scaling Large Language Models demand enormous computational resources, motivating both efficient
Large language models improve final-answer accuracy through extended chain-of-thought reasoning, but often spe
この研究では、COVID-19臨床パスウェイズの予測監視を支援するために、パイプラインを構築しました。このパイプラインには、データリフティング、時間的再構成、イベントログの構築、プリフィックスベースの表現、予測モデルの整
Bayesian optimization (BO) is a popular and effective approach for tuning expensive, noisy experiments, but re
Shapley values are a principled attribution measure widely used in interpretable machine learning, but their e
We present a single classification pipeline that combines an Equiangular Tight Frame (ETF) preprocessing stage
We study exact community recovery in the two-community stochastic block model on $n$ vertices under limited an
High-dimensional interaction models are useful for studying, for example, how a large set of variables of inte
Implicit-process priors define distributions over functions through flexible generative mechanisms, making the
Sharpness-Aware Minimization (SAM) has established itself as a powerful and widely adopted optimizer for train
Diffusion models have emerged as a leading framework for deep generative modeling. While the standard Gaussian
Communication is typically understood as indication: signals that transfer information from sender to receiver
Prediction algorithms are increasingly used to inform decisions about humans, but maximizing accuracy$\rule[0.
Detecting coordination among unmanned aerial vehicle (UAV) fleets operating in shared airspace and identifying
Traditional bilateral negotiation support systems search over discrete allocation spaces. This approach encoun
Bilateral trade models one of the most fundamental economic interactions: the intermediation between two strat
Mirror descent provides a geometric framework for learning in games, but its last-iterate behavior can fail in
Estimating the economic contribution of a single patent inside a product that embodies tens of thousands of pa
Agentic language model systems alternate between two structurally distinct step types: structured tool calls (
Existing autonomous driving datasets have enabled major progress, but fall short in sensor fidelity, map compl
We introduce Cosmos 3, a family of omnimodal world models designed to jointly process and generate language, i
On-Policy distillation (OPD) in large language models is shifting from full-trace KL supervision toward more s
A long standing challenge in computational chemistry and biophysics is efficiently sampling the Boltzmann dist
Accurate modeling of leaf spectral reflectance from physiological and biochemical traits is essential for adva
We study operator learning using encoder--decoder neural networks. Inspired by the function-space theory of ne
Modeling unknown latent functions from finite, irregularly sampled measurements is a recurring challenge acros
We study linear contextual bandits under rare parameter updates: the learner may incorporate reward feedback i
Network data are ubiquitous across the social sciences, biology, and information systems. Generating realistic
Network intrusion detection is a core component of modern cybersecurity infrastructure, yet the deep learning
Deep learning has greatly advanced automatic speech recognition (ASR), enabling widespread deployment on edge
We demonstrate that nonlinear computing can be achieved with a single linear diffractive surface under coheren
The GDP of a country is modelled as the relative interaction between two agents - working hours, reflecting th
Real-world datasets across image and text domains are often characterized by skewed class distributions and no
Reinforcement learning with verifiable rewards has rapidly advanced reasoning in vision--language models. Howe
AI glasses present a compelling platform for AI agents to serve as personalized memory assistants. To be genui
Biological and neuromorphic recurrent neural networks (RNNs) are subject to spatial and temporal locality cons
Spiking neural networks (SNNs) provide event-driven and low-power computation inspired by biological neural sy
Solving time-dependent partial differential equations (PDEs) is an important problem in computational science
GP-GOMEA is a state-of-the-art evolutionary algorithm for symbolic regression, known for discovering small and
All embodied agents are fundamentally patterns in physiological or other excitable media, blurring the distinc
In this work we study agents in simulated bargaining scenarios, where a buyer and a seller communicate through
Institutional incentives are widely used to promote cooperation among autonomous, self-regarding agents, from
Distillation attacks create a deployment trade-off for model providers: the same outputs that make a model mor
Large Language Models exhibit paradoxical fragility in fundamental arithmetic, implying a disconnect between i
感覚変換、すなわちバーチャルエキスパートが可能なPytorch実装。
この論文では、Reinforcement Learning with Human Feedback (RLHF) を元にしたPaLMアーキテクチャの実装を提示します。基本的にChatGPTのようなLLMですが、PaLMと
The Random Gradient hyper-heuristic was recently shown to be able to learn the optimal neighbourhood size when
Recently, the runtime analysis of multi-valued estimation-of-distribution algorithms in the framework of Ben J
LoMoは、画像とテキストの両方から情報を取り入れるモデルを作成するために、画像変換後のテキストをモデル内で使用できるようにすることで、ビジョンや言語の間の境界を越える能力を強化します。
次世代LLMモデルの協力性に影響を与える要因について調査した。ChatGPT-4oとClaude 3.5 Sonnetは共通の協力性を持っていたが、提供元は違いだった。
Regulatory institutions (from content moderation platforms to financial supervisors) observe, deliberate, and
Forecasting outcomes in mixed-motive negotiations requires integrating explicit linguistic cues with latent st
AI coding agents are increasingly used for scientific work, but their end-to-end autonomous research capabilit
Music recommendation systems typically treat songs as opaque tokens, relying on collaborative interaction hist
Weight-space model merging is usually formulated as an algebraic operation on checkpoints, yet at LLM scale th
We prove real-rootedness for the Poincaré polynomial \[ P_n(t)=\sum_{i=0}^{n-3} \dim H^{2i}(\overline{\mathcal
Tabular data in knowledge-rich domains often carries a latent prior in the form of Boolean implication relatio
Baldwinian and Lamarckian evolution have existed for a long time in evolutionary algorithms (EAs) without ever
Recognizing and continuously learning novel human actions without forgetting prior classes is a requirement fo
We present a unified experiment, analysis, and benchmark study of multivariate time-series (MTS) anomaly detec
Mixture-of-Experts (MoE) is now the dominant architecture for frontier language models, yet it requires all ex
Language models can use verifiable rewards to improve at a wide variety of reasoning tasks. However, both para
Efficient inference is critical for long-context language models, where attention computation and KV-cache acc
We prove for every $n\ge4$ the existence of an $n$-player game in normal form with integer payoffs that has a
Mechanism-mediated service markets with polymatroidal feasibility admit efficient, dominant-strategy incentive
誤差の拡散モデルをスケーラブルにトレーニングすることで、Language Modelsの高速化を実現できます。この研究では、diffusion modelsをスケーラブルにトレーニングするための手法を提案し、 Langu
We study how the design of admissions policies affects the ability of students admitted to universities. In ou
Validators on generic Proof of Stake chains earn the same fees whether they handle attestation work correctly
We extend the closed-form privacy-subsidy result of Nakamura~(2026, arXiv:2605.15746) from the single-period K
We study the symmetric polynomial $\prod_{α\in A_{n,d}}\bigl(1+α_1 x_1+\cdots+α_n x_n\bigr)$ where $A_{n,d}:=\
Spatial and temporal resource constraints are critical for both biological and artificial intelligent systems.
We present an inequality that bounds the short-term memory capability of dynamical systems from below. It can
The popularity and rapid development of Cloud Computing in recent years has led to a vast number of publicatio
このリポジトリは、大模型の算法原理图を100本以上収録しています。これは、"大模型算法"著者の巨献です。
PaddleNLPは、分類モデルと言語モデルを簡単に使用できる強力なライブラリであり、モデルズーという素晴らしいモデル・ザーのコレクションを備えています。
スパイクニューラルネットワークを高速化するUniSpikeを提案しています。このフレームワークは、スパイク通信を削減するためのAddress Aggregationテクニックを提案しています。
Marine plankton underpin aquatic food webs and play a key role in global CO2 sequestration, making reliable sp
We introduce the Preisach Attention Layer (PAL), a novel sequence modelling architecture grounded in the class
スパイキングニューラルネットワークを高速化するためのSpikingMoEを提案しています。このフレームワークは、スパイク通信を削減するためのSDPrompt-Guided Dynamics Expert Fusionを提
コラボレーションはさまざまなシステムにおいて協力的な行動を促進する重要な要素であり、個人が異なるリソースと生産性を持つ状況をモデル化するためにインタロースペクションのメカニズムが用いられます。このメカニズムは、個人が他の
オンラインマッチング問題では、オブジェクトが事前に知られているが、アイテムが連続して到着し、不可逆的に割り当てられるときに、それらの要件と競合する値を分割するため、複雑性を理解することは重要です。複雑さの増大とともに、複
この論文では、大規模言語モデルに戦略的推論を評価する方法を提案します。
We investigate how internal representations emerge across hierarchical processing systems by introducing a neu
この研究では、人間とマカスの視覚的アラインメントを比較検討しました。調査結果は、CNNを用いてマカスの視覚野を予測することが可能であることを示しました。
GPを用いたシンボル回帰における精度の向上。シンボル回帰においては多項式が使用されることが多く、オーバーフィッティングやブラーの問題が発生する。GPの過学習を防ぎ、精度の高いパラメータを得るために、説明長さとfracti
本論文では、機械学習と物理法則を組み合わせたPhysics-Informed Machine Learning (PIML)を電力システム予測に適用した。PIMLは、機械学習と物理法則を組み合わせて、高精度で正確な予測を
Vehicle-to-vehicle (V2V) energy trading enables decentralized peer-to-peer energy exchange among electric vehi
Mobil Edge Computing (MEC)は、端末近くにゲストOSを設置し、AI生成コンテンツを高速化するものです。複数のゲストOS間の通信や計算スケジュールをオフラインで調整するゲーム理論的学習アプローチを提
LLMに先行する存在としての人間の優位性を研究し、コロニエル・ブロットー・ゲームの一種であるColonel Blotto Tournamentで、人間がLLMに勝ったことが知られている。
このライブラリは、コンピューター ビジョンのための高度なAI解釈と可視化ソリューションです。このライブラリは、CNN、ビジョン トランスフォーム、分類、物体検出、分割、画像類似度など、さまざまなコンピューター ビジョンの
A collection of tutorials on state-of-the-art computer vision models and techniques. Explore everything from f
オンラインでログされた広告のオフラインポリシーセレクション用の方法が提案されました。提案された方法は、ポリシーセレクションのための重要性を特定するために、リプレイ表を活用しています。この方法は、リプレイ表の不完全性を考慮
この研究では、近四十年の間に、このような定性的汎用性結果が発展しました。これにより、関数の近似係数、パラメータの量、誤差の分配、精力的なパターンなどの量的理論が提供されます。この理論は、関数の近似に特化していますが、関連
この研究では、トランスファーマーをベースにした変換の方法を使用することで、Cartesian遺伝的プログラミング (CGP) を使用してニュルアルネットワークの設計の最適化方法が改善されました。この研究では、トランスファ
This work presents E-ReCON, a 16 Kb energy and resource-efficient digital compute-in-memory (DCIM) macro based
この研究では、Dynamic Shapley Computation を開発し、データ価値を迅速に推定できるようにしました。
「fastai」は、深層学習のライブラリです。
Transformers trained on modular arithmetic exhibit sharp transitions between memorization, generalization, and
光波の非線形ネットワークを設計して学習し、非線形パラメタを操作して情報の処理を高速化するための新しいアプローチを提案。
Reservoir computing, a type of recurrent neural network, is a promising approach for temporal learning as it s
From their inception in the 1950s, artificial neural networks (ANNs) started using the so-called point neuron
The rapid proliferation of AI-generated visual media has created an urgent need for efficient, trustworthy dee
This paper proposes a computationally efficient mechanism for multi-dimensional matching markets where agents
この研究では、CFR（Counterfactual Regret Minimization）アルゴリズムを改良して、リアルタイムゲームの最適行動を推定することを目的としていますCFRは、決定を下す時間が厳密に制限されてい
We analyze the structure of the disagreement among a population of voters over a set of alternatives. Surveys
We study strategic interaction in data-driven games where players face uncertainty about payoff distributions
⛔️ DEPRECATED – See https://github.com/ageron/handson-ml3 or handson-mlp instead.
Physical computing systems provide a promising route toward hardware-native machine learning, but their comput
Existing neural combinatorial optimization solvers frame solution search as imitation of optimal decisions, in
Surrogate Safety Measures (SSMs) are extensively utilised in the evaluation of traffic risk in automated drivi
The brain learns abstract representations of high-dimensional sensory input, but the plasticity rules that ena
Deploying adaptive intelligence at the edge remains challenging due to the high computational and energy cost
Optimization problems in real-world applications across the medical and engineering domains often involve pote
Additively separable hedonic games (ASHGs) are a prominent model of coalition formation where agents' preferen
Human-generated randomness is constrained by cognitive, motor, and strategic biases. This study examines how t
Machine Learning Engineeringは、機械学習の開発と運用をサポートするためのリソースを提供する。
Von Economo neurons (VENs) are selectively lost in behavioural-variant frontotemporal dementia (bvFTD) and red
This study develops and evaluates a deep reinforcement learning framework for dynamic portfolio allocation acr
Autonomous pricing agents are widely deployed in online marketplaces, making algorithmic pricing a prominent a
Motivated by the controller placement problems in software-defined networks and the fair division principles o
A diffusion auction refers to a selling process conducted over a social network, where each participant submit
tesseract.jsはJavaScriptで利用できる画像認識システムで、100以上の言語に対応しています。
A group of individuals wishes to classify $m$ objects into $n$ categories in such a way that no class is left
We propose a scalable neuromorphic architecture based on spiking dynamics emerging from the autonomous time-co
Large language models (LLMs) achieve strong performance across a wide range of tasks but are highly sensitive
この研究では、物理的システムを計算に利用する方法を提案した。研究によると、この方法により計算が高速化された。
Spiking neural networks (SNNs) hold promise for demonstrating superior learning and representation capabilitie
これは、パフォーマンスの高いモデルサイズの減少を実現するために、Perforated Neural Networkがキーワード検出タスクに適用されていることを検証したり、Edge Impulseで動作するキーワード検出シ
これは、機械学習インター原子力ポテンシャルを使用して、分子のエネルギープロファイルを再重み付けすることで、迅速で正確なエネルギープロファイルの共有構築を可能にすることを提供しました。
We study mathematical programs with equilibrium constraints, in which a leader knows their own cost function,
The space L of linear value maps on a finite-player cooperative game G^N is finite-dimensional, and admits a c
Privacy-preserving cryptocurrency exchanges alter what the pricing mechanism observes about order flow. We der
Standard deep-learning pipelines usually choose the network architecture before training and keep it fixed thr
スパイク型ニューラルネットワーク(SNN)は生物学的信号の模倣であり、電気信号によって情報を伝達し、計算の最適化を行います。この研究では、ニューロン間の信号伝達をスパイク信号で表現するスパイク型ニューラルネットワークのた
多値解決問題におけるMOEAの数学的動作分析を初めて実施
Spiking Neural Networks (SNNs) have emerged with promising energy-efficient property, yet a substantial perfor
ネットワーク解決機器とCPUのメタハイスティクスのエネルギー効率の比較は、機械学習のコンボイナタルオプティミゼーションの一般的な議論の主な論点の1つです。この議論では、機械学習のトレーニングにはGPUで大量のエネルギーが
Spiking Neural Networks (SNNs) offer compelling energy efficiency on neuromorphic hardware, yet their training
Darwin Family
このリポジトリでは、タイムリーな公平分配に特化した新しいメトリック、Rotational Periodicity（RP）とAltファミリーのスライドウィンドウメトリックを提案します。このフレームワークは、リアルタイムの多
VidCom2は、ビデオ圧縮を改善するためのPlug-and-Playのインフェレンスアクセレレーションを備えたVideo Large Language Modelsです。
EEGモデルをメカニズム的理解を通して解釈することを目標とした方法を提案し、EEGデータの分析を可能にしながらモデルの中間表現を解釈することを目指した。
保存エネルギーを活用するための脳モデルを設計し、脳モデルの中間表現を解釈することを目標とした方法を提案した。
テクスチャの再生と接合を可能にする方法を提案し、NCAsをテクスチャ生成に利用することを目標としている。
Learning-assisted algorithm design often has to make reliable search decisions under small evaluation budgets,
Large-scale multi-objective optimization problems (LSMOPs) remain challenging due to the high-dimensional deci
バイオロジカルニューロン接続とシリコンコンピューティングを統合し、エンボディッドニューロコンピューティشنフレームワークを開発し、ニューラルネットワークとバイオロジカルニューロンを接続するための新しいシステムを提案した。
Spiking Neural Networks (SNNs) are a promising framework for event-driven temporal processing. Prior work has
BERTopicでは、BERTとc-TF-IDFを用いて、トピックを簡単に分析して解釈できるようにしたモデルを紹介しています。
Advances in large language models (LLMs) have recently opened new and promising avenues for small-molecule dru
Solve the Loopは、屈折トランフォーマーの改善に役立つアルゴリズムを紹介する研究である。
Variational Quantum Algorithms (VQAs) are a leading approach to exploiting near-term quantum hardware, leverag
We propose graph-grounded optimization: a paradigm in which the decision variables, constraints, and objective
再帰的ネットワークは複雑なプロセッサを持つため、最適化は難しい。計算資源に制限がある場合、パラメータを分配する際のバランスを取る必要がある。
SNNs promise energy-efficient and low-latency inference, but their performance still trails that of ANNs. ANN-
この研究では、SNNのニューロンモデルが勾配を利用できるように、またダイナミクスが豊かで活動が疎密であるようなフレームワークが開発された。
The spatial and functional organization of the primate visual cortex is a fundamental problem in neuroscience.
Transformer-based Spiking Neural Networks (SNNs) integrate SNNs with global self-attention and have demonstrat
Popular centroid-based clustering methods are typically optimized for global objectives, and may fail to adequ
In approval-based budget division, the task is to allocate a divisible resource to the candidates based on the
Generative Artificial Intelligence (AI) tools are rapidly adopted in the workplace and in education, yet the e
Short-term plasticity (STP) is fundamental to temporal information processing in biological neural systems but
FPGA上でスパイク神経ネットワークモデルを実装し、エネルギー消費を削減する方法を提案しています。
この研究では、適応性とリメインリングの関係を調査しました。これは、動的な環境における学習において重要な要素です。
人間的抽象化を推定するための新たなアプローチを提案し、未知のタスクを効率的に学習することができます。
What happens when the strongest alliance member pressures a weaker member over territory and strategic control
Large Language Models exhibit mode collapse, producing homogeneous outputs that fail to explore valid solution
Spike-based encodings are sparse and energy-efficient, but have largely been formulated probabilistically, dis
Discovering governing equations from observational data remains a fundamental challenge in scientific modeling
Architectural choices inside the Transformer feedforward network (FFN) block do not merely affect the block it
Automatic heuristic design (AHD) has emerged as a promising paradigm for solving NP-hard combinatorial optimiz
Convex functionals are ubiquitous in applied analysis, appearing as value functions, risk measures, super-hedg
Spiking Neural Networks (SNNs) have been proposed as biologically plausible and energy-efficient alternatives
Electroencephalography (EEG) is a cornerstone of brain-computer interfaces and clinical neuroscience, yet deep
Spiking Neural Networks (SNNs) have gained increasing attention due to their potential for low-power computati
Generating high-performance GPU kernels remains challenging due to the need for both correctness and hardware-
We show that, in a precise sense, a broad class of feedforward neural networks learn (have finite sample compl
Autonomous research agents can already run machine learning experiments without human supervision, but many re
high-capacity associative memory modelsは強力な記憶力を持っていますが、通常、計算的によく遅い同期更新を必要とします。この研究では、asynchroneous retrieval d
Diffusion-based image editing has achieved strong visual fidelity under natural language instructions, yet mos