本サイトは 12 時間以上更新されていません（通常は 3 時間ごと）。以下の内容は最新でない可能性があります。
このページに条件に合う項目はありません（絞り込みはこのページ内のみ）。
説明SPADE：AI文章検出のためのソフトプロンプト手法
要約本論文は、AI生成テキストを検出するためのフレームワークSPADE（Soft Prompts for Ai-text DEtection）を提案している。既存の検出器は生成されたテキストのみに注目し、生成過程のプロンプトを無視していた。SPADEは点別相互情報量（PMI）によってプロンプトがテキストをどれだけ説明するかを測り、クラスごとのソフトプロンプトを学習して判別を行う。複数のベンチマークで、分布外データセットにおいて最先端の性能を達成したとしている。
説明第8回LSVOSチャレンジ報告：モバイル向け統一マルチモーダル理解
要約本報告は、ECCV 2026と併催された第8回大規模動画オブジェクトセグメンテーション（LSVOS）チャレンジのうち、モバイル向け統一マルチモーダル理解（MUMU）トラックをまとめたものです。このトラックでは、1つの統一モデルで複数概念の画像タグ付け、オープンボキャブラリ物体検出、簡潔な画像キャプション生成を行うことが求められ、パラメータ数は0.5B以下、ピーク推論メモリは8GB以下とされています。タスク、ルール、評価方法、最終結果を説明し、上位3チームの手法を紹介しています。結果として、各タスクの教師信号・デコード・タスク間の手がかりを適切に設計すれば、コンパクトなプロンプト型視覚言語モデルで3種の出力を賄えることが示されました。一方、新規カテゴリに対するオープンボキャブラリ検出が主な課題として残っています。
説明単語誤り率を超えて：ストリーミング音声入力における音声認識の失敗分類
要約本論文は、音声認識が通常は句読点や大文字などを除いた単語誤り率（WER）で比較される点を指摘する。音声入力では、利用者が修正しなければならない誤りの種類が重要だとして、11の音声認識システムを多言語のテストセットで評価し、誤りを認識、出力書式、言語処理、音声の欠落の4段階に分類した。その結果、WERが近いシステムでも失敗の仕方が大きく異なることを示した。
説明CADET：実行可能なデモンストレーションによるPCB配線インスタンスの構築（プリント基板の配線問題の学習用データを自動生成する手法の説明）
要約本論文は、電子設計自動化（EDA）エンジンの動作から合成基板とそのデモンストレーションを同時に生成するCADETを提案しています。設計規則違反（DRV）のない配線済み合成基板10万枚を含むRouteDemosを構築し、行動クローニングで学習させた後に強化学習で微調整しています。実基板のテストで、DRVなしで完全に配線できた割合は強化学習のみの基線の38.0%から67.2%に向上し、オープンソースの自動配線ツールFreeRoutingと同等でした。データセットと生成コードはオープンソースとして公開されています。
説明非小細胞肺がんにおけるPD-L1腫瘍割合スコアの自動算出と不確実性に基づくトリアージ
要約本論文は、非小細胞肺がんのPD-L1腫瘍割合スコア（TPS）を自動算出する三段階の枠組みを提案している。腫瘍領域の特定とマクロファージが多い領域の除外、二分岐の細胞計数ネットワークによるPD-L1陽性・陰性腫瘍細胞の計数、そしてTPS-Guardと呼ばれる不確実性に基づくトリアージによって、要確認のスライドを示す。単一施設の後ろ向き研究では、訓練に使われていない114枚のスライドで平均絶対誤差は6.96パーセントポイントであり、3名の病理医の範囲内に収まった。