arXiv
cs.CV
説明更新傾向ルーティングによる状態分離型Vision Mambaの水中画像強調への応用
要約本論文は、更新挙動の異なるトークンが共有の隠れ状態を更新することで生じる干渉を抑えるため、更新傾向が互換的なトークンを独立した再帰状態ストリームに分ける「状態分離」の原理を提案している。これを実装したIsoMambaは、ラベル不要のクラスタリングで互換的なトークン群を見つけ、分離されたMambaエキスパートへ振り分ける。複数の水中画像強調ベンチマークで最高水準の性能を示したと報告されている。
Yan Luo, Laibin Chang, Zefan Feng ほか
arXiv
cs.LG · cs.DS
コードあり
説明連合学習における社会的公平性を持つ k-means クラスタリングのための機械学習アンラーニング(機械による忘却)手法
要約本論文は、連合学習環境で社会的公平性を考慮した k-means クラスタリングを対象に、正確な機械学習アンラーニングを研究しています。目的は、各グループの平均二乗距離のうち最大のものを最小化することです。手法では各グループの局所要約を別々に保持するため、影響を受けない機関の要約は公平性の重みが変わっても有効なままです。クライアント全体が離脱する場合は再学習より大幅に速く、単一レコードの削除では効果が限定的だと報告されています。
Aravind Reddy, Deeraj S K, Mohd Wasif Raza ほか
arXiv
eess.IV · cs.CV
説明C²LUE:証拠認識型マルチインスタンス学習による臨床整合型・患者単位の超音波診断
要約本論文は、マルチインスタンス学習とリスク整合型正則化を組み合わせた患者単位の超音波診断フレームワークC²LUEを提案しています。LoRAで適応したDINOv3バックボーンの上に多クエリ交差注意機構を構築し、多様な形態学的所見を保持します。さらに動的トレードオフ正則化により、学習中の感度と特異度の不均衡を抑えます。生検で確定した甲状腺および乳房超音波データセットで、従来手法を上回ったと報告されています。
Qin-Yi Zhang, Linying Cao, De-Xing Huang ほか
★★★★☆ 注目
arXiv
cs.LG
説明GFlowNetの学習を理解する:理論的視点
要約本論文は、正の報酬に比例して離散オブジェクトをサンプリングする生成フローネットワーク(GFlowNets)の学習理論を扱います。Flow Matching、Detailed Balance、Trajectory Balanceの各バランス目的関数について統一的な理論を構築し、非ゼロのバランス損失と近似定常性がサンプリング精度とどう結びつくかを示しています。有限時間での収束結果も与えられ、パラメータ化、カバレッジ、更新される構成要素が学習に与える影響が明らかにされています。
注目点Flow Matching、Detailed Balance、Trajectory Balanceの採樣誤差上界と有限時間収束率を統一的に示し、理論的寄与は堅実だが実験検証はない。
Rui Hu, Yu Chen, Zhuoran Li ほか
arXiv
cs.MA
説明OpenSocialJax:オープンエンドな環境変化における逐次社会的ジレンマでの社会的適応の評価
要約本論文は、Clean Up と Commons Harvest を拡張し、空間配置や道具製作・報酬・資源動態を支配する隠れたルールを多様に変化させる評価基準 OpenSocialJax を提案しています。八つの大規模言語モデルを対象に、隠れたルールを発見できるか、また他のエージェントに適応できるかを検証しました。ルールの発見は性能を向上させることが多いものの、協力を安定して維持するには至らず、OpenCleanup では清掃の負担が少数のエージェントに集中し、OpenHarvest では全チームが最終的に共有資源を使い果たしたと報告しています。
Zihao Guo, Meng Fang, Joel Z. Leibo ほか
arXiv
cs.AI · cs.CL · cs.DC
説明適応型 DHiSparse:負荷適応型 KV 階層上での投機的デコーディング
要約本論文は、長文脈推論でKVメモリが不足する問題を扱い、Adaptive DHiSparse を提案します。階層型スパースKV上で投機的デコーディングに対応し、負荷に応じて常駐範囲を調整します。必要な作業集合を保護し、GPUメモリに余裕があれば履歴を多く保持し、残りは正確な融合検索で取得します。100Kコンテキスト、同時実行128の条件で、GLM-5.3とDFlash2の組み合わせはデコードGPU当たり793トークン/秒を報告しており、これはHiSparseの1.45倍です。
Naji Alazhar, Wassel Alazhar
arXiv
cs.CV
説明GLIMPSE:探索可能な動画ワールドモデルのための多精度スペクトル符号化による大域・局所インデックス
要約本論文は、カメラで制御される動画ワールドモデルで、カメラが以前の場所に戻ったときにシーンの一貫性をどう保つかを扱っています。提案手法GLIMPSEは、視点ごとの外観を担う局所パッチメモリと、シーン文脈を担う再帰的な大域メモリを組み合わせ、帯域ごとの多精度座標と幾何条件付きスペクトル減衰で不正確な投影アドレスへの感度を下げます。検索と読み出しの予算を揃えた条件で、決定的な位置輸送よりも幾何的対応と測光的一貫性が向上したと報告しています。
Zhufeng Xu, Henglei Lv, Bailin Deng ほか