「LoRA」の検索結果
89 件Post-training quantization (PTQ) of diffusion transformers (DiTs) to W4A4 severely degrades output quality, be
パ
この研究では、固定行動軌道に基づいて訓練されたオフサイト学習エージェントのデータ削除を評価するためのTOURを提案し、オフサイト学習の安全性を高めます。
Fine-tuning Vision Transformers (ViTs) with low-rank adapters (LoRA) promises better communication efficiency
FL（分散機械学習）におけるパラメータの効率的なフィンテューニングを支援するツールを提案した研究で、TRISHUL（Three-Pronged Spectral Control for Federated Paramet
この研究は、リソースフローの動作を表すPetriネットと、APIを操作するためのテストを自動生成する方法を提案した。方法は、APIの機能をテストするためのシナリオを生成し、テストが正しく実行されるようにした。
Artificial Epanorthosisは、大規模言語モデルが古典的なルレチックの表現を使用する傾向に注目した。結果は、モデルのトレーニングデータの形状がこの傾向に影響していることができた。
In long-horizon LLM agent reinforcement learning, weak policies often repeat similar failures, producing uninf
Behavior prior reinforcement learning (BPRL) has emerged as a promising paradigm to improve sample efficiency
Event-B is a formal method rooted in predicate logic and set theory. We encoded over 600 proof rules in Prolog
Large language models (LLMs) have rapidly and significantly entered scientific workflows, but it remains uncle
ディフュージョンモデルにおける初期的なNoise Seed の影響が、モデルが生成する高質のイメージに大きく影響していることを提示し、Seed Search 時の時間的負荷を削減するための方法を提案した。
Polarization cues benefit applications such as material detection and de-reflection, yet acquiring them typica
大規模言語モデルの圧縮には、モデルのパフォーマンスが低下する可能性があるため、量化の保護が重要です。この研究では、Fisher加重チャネル感受性を用い、MLLMの量化を安定させるためのC-PTQをプロPOSEしています。
オブジェクト目標のナビゲーションにおける、動的な避け方とマルチフロア環境を考慮した、ゼロショットオブジェクトナビゲーションのフレームワークを提案します。このフレームワークでは、動的な人々とマルチフロア環境を考慮しながら、
Trajectory planning is a fundamental problem in robotics, requiring the generation of collision-free and effic
Predicting how deformable objects evolve under robotic manipulation is a longstanding challenge. Existing appr
この研究では、分布に変化がない場合の時間軸への適応性を
パラメータ効率の確保を目的とした Low-Rank Adaptation (LoRA) のランクの確立を扱う研究を紹介する。
協同学習を扱う研究、Autonomous Collaborative Learning を用いて協同学習を提案する。
We study horizon-free regret minimization for finite-horizon time-homogeneous tabular Markov decision processe
This paper examines the question of whether artificial intelligence (AI) systems can be creative, approached f
Deploying navigation systems at scale requires a recipe that minimizes sensor assumptions, generalizes across
分析報告の迅速な解釈が求められるときに行われるマルウェア分析を実現するために、閉じた重みの大きい言語モデルを使用しないことが多い。オープン重みの言語モデルは、マルウェア分析のために適切な言語能力と、閉じた重みの大きい言語
Quantized small autoregressive reasoning models can enter long, repetitive, or unproductive trajectories, yet
Long-horizon tasks require sustained perception, reasoning, and exploration, and are a persistent challenge fo
大きな言語モデルは自発報告を提供するが、これらの報告は人間のインタビュー問診や不明確な提示に基づいており、このモデルの自発報告能力とその心理的意味を理解することが求められました。
Automatic pain localization, which involves identifying the anatomical origin of pain from peripheral physiolo
The training of learned inertial odometry depends on dense, high-precision position ground truth from motion c
V2F は、日用消費財をロボットで取扱するためのシステムである。このシステムでは、ロボットが消費財を取扱うときに必要な力を予測し、物体を傷つけたり、物を作れなかったりするのを防ぐ。
ディナミカルシステムを化学的なパラフレーズで説明する手法を提案し、システムの
ハイパーネットワークを用いた知識付与法を提案し、大規模言語モデルに確実に知識を付与する方法について検討した。
Supervised fine-tuning (SFT) is widely used to adapt large language models to downstream tasks, but its effect
Low-rank adaptation introduces a static learned update applied identically to every input. The update provides
Researchers, managers and policymakers are exploring different approaches and data sources to map the developm
Whole-slide image (WSI) diagnosis requires identifying diagnostically relevant regions, examining them across
Autonomous discovery systems such as OpenEvolve and TTT-Discover are often used as general-purpose harnesses.
エッジロボチクスでの画像認識精度を安定させ、その安定性を確保するために、量化後のパフォーマンスを向上させ、分散型データ量化を実現し、分布シフトの影響を緩和する、新しい機械学習アプローチを提案します。
Robust multi-agent coordination relies heavily on inter-agent communication, which is frequently disrupted by
緊張した幾何学的制約に伴う、物体組み立てのMotion planningはロボティクスにおける重要な課題です。組み立てのための可行なMotionは、(近) 0 密度配置中、物体が接触に強く制約されている場合、パスの通過が
In search and rescue operations, there is a period known as the "golden time" during which the probability of
複数タスク間の説明性を提供するための逆強化学習は、複数タスク間の説明性を提供することによって、複雑なタスクを解決することに関与していますが、この研究では、複数タスク間の説明性を提供するための逆強化学習の新たなアプローチを
Unlike conventional video game development, which relies on labor-intensive pipelines for asset production, an
We propose Token-Level Off-Policy Labeling (TOPL), an off-policy training paradigm that reframes post-training
We study the problem of sequentially evaluating a new large language model (LLM) on a fixed question set using
Constrained Optimization Problems are crucial in fields such as engineering, economics, and robotics, where hi
Entropy control has become an effective tool in reinforcement learning (RL) of large language models (LLMs), h
Muon is competitive with AdamW in large-scale pre-training, but its value for reinforcement-learning (RL) post
高次元カテゴリデータを可視化するため、hierarchical optimizing linear assignment (HOMALS)を使用し、可視化に役立つ関連表
Reinforcement learning with verifiable rewards (RLVR) commonly uses entropy for advantage shaping. However, en
最小限マージン定理を仮想環境における公平性と利益のトレードオフの分析に導入します。この定理により、公平性と利益のトレードオフを最小限の公平性確保することで解決することができます。
構造オプティミゼーション問題は、決定変数が多数、かつ非凸の可行域を持つため、Pareto前景に到達するには多数の関数評価が必要とします。そのため、高性能で効率的なオプティミゼーションアルゴリズムが必要になっています。この
We extend Incentive Compatible Exploration beyond the Bayesian full-information setting of Kremer et al. [2014
この研究では、マルコフ連鎖モンテカルロ法を改良し、多モーダル分布からサンプリングする能力を高めるための新しいアプローチを提案した。このアプローチでは、微分のノイズパスを使用することで、モデルの収束を高速化し、多モーダル分
This paper develops a model-free reinforcement learning framework for continuous--time extended mean field con
この研究では、従来のNAS方法のコストを抑えるための方法を開発します。 この方法では、NASをトランスフォーマーを使用して実行します。
We study the bandit-feedback version of online principal component analysis (Bandit PCA): in each round $t = 1
We study stochastic multi-armed bandits on dynamic graphs, where arms correspond to the vertices of a network
Reinforcement learning (RL) has become a dominant paradigm for enhancing LLMs' reasoning capabilities. However
人工知能は、タスク固有のワークフローから、人工知能を組成して、実験とヒューマンフィードバックを組み込み、無尽蔵な候補空間内で自動的に調査を行うようにした。進化的計算は、実験的および人間のフィードバックに基づいて探索を導き
これは、Exploratory Landscape Analysisにおけるランダムサブスペースのサンプリングを使用するためのフレームワークであるSampling on Random Subspacesを提案している。
Federated foundation-model adaptation increasingly relies on heterogeneous private artifacts (retrieval corpor
Human memory is reconstructive, not a faithful recording. Current multimodal LLMs (MLLMs) lack this capability
spiking neural networkの設計とシミュレーションを行うためのフレームワークを提案する
買い手が情報を共有すると交渉が困難になる可能性があります。この問題に対処するために、貢献者が情報を共有するリスクを減らすための新しいアプローチ、「contextual auction with bandit learni
Recent advancements in agentic AI have increasingly moved toward graph-based methods, driven by the demand for
Baghchal is a two-player asymmetric board game with Nepali origins where four tigers are to capture goats and
鉄道アジストゲームのスロット価格決定の問題を解決するための、アプローチを提示しました。
この研究では、グラフ分配の公平性を研究します。分配には、互いに隣接する頂点が同じアーギェントに割り当てられることが含まれます。この研究では、公平性を考慮したグラフ分配を提案します。
Evolutionary neural architecture design for multivariate time-series forecasting remains underexplored, with m
Biological neural circuits obey Dale's principle: each neuron's synapses are uniformly excitatory or inhibitor
This paper presents the Metabolic Multi-Agent Optimizer (MMAO) as an adaptive metaheuristic built around endog
LLM-assisted evolutionary search (LES) has emerged as a promising paradigm for automated algorithm design. How
Large language models (LLMs) demonstrate broad reasoning abilities but struggle with accuracy and reliability
Dreams splice together people, places, and times that never met. Neuroscience suggests this recombination is n
Upper Confidence Bound (UCB) algorithms guarantee sublinear regret for agents learning unknown stochastic envi
Parameter settings in evolutionary algorithms and metaheuristics are important because such parameter values c
可算推定に適した一つの目標関数の最適化アルゴリズムとして、DE-2LSが紹介されます。
この研究では、複雑な適応システムの分析をしました。これは、システムの構造を分析することで、系統的な機構がどのように発生するかを理解するために行われた。
この研究では、全域最適化アルゴリズムを開発しました。研究者は、Bézier カーブに基づく随伴的トレース検索というアルゴリズムを提案しました。
Existing quantum-inspired simulated bifurcation algorithms rely on dynamic scheduling methods but lack the abi
大規模言語モデルの戦略1対1ベンチマークであるAge of LLMを紹介。マインスイーパーゲームを想定し、フォーゲットオブラーサー、マインスイーパー対戦、JSONスキーマへの従属性という三つのストレスアウトを設定。
Recent work has established that regularized policy gradient methods such as PPO, when used in self-play, can
物理学定理を使用したニューラルネットワークを提案。物理学定理をニューラルネットワークに組み込み、この定理を用いて機械学習を向上させる。
Model merging integrates the capabilities of multiple expert models to create strong models for multiple tasks
AIが人間と協力して作り出すアイデアを評価するための新しい手法を提案し、創造性の評価を向上させた。
この研究では、PFSPのIterated Greedy (IG) アルゴリズムのパフォーマンスを改善するために、Large Language Model-Driven Cooperative Operator Ensem
Intracortical brain-computer interfaces suffer from day-to-day neural signal shifts that degrade pretrained de
この研究では、自動補助関数設計（AHD）についての研究を行った。AHDは、マシン学習が可能になる以前から研究されていたトピックであり、マシン学習によって、AHDがさらに活用可能になった。この研究では、AHDにおけるメタ認