白内障手術動画分析のための大規模マルチソース・マルチタスクベンチマーク「Cataract-LMM」
白内障手術動画の深層学習分析に向け、大規模なマルチソース・マルチタスクベンチマークデータセット「Cat…
AI&Tech、もう追いかけなくていい。
30秒で読めるニュースダイジェスト
研究
2836件
コルモゴロフ・アーノルド・ネットワーク（KANs）実践ガイド
MLPの代替として注目されるKANsに関する包括的なレビューが公開されました。
AsyncVLA：視覚言語行動モデルのための非同期フローマッチング
ロボットの行動生成において、非同期フローマッチング（AFM）を導入したAsyncVLAが開発されました。
視覚言語行動モデルにおけるスキル知識の継続的進化
視覚言語行動（VLA）モデルが、ネットワークパラメータを増やさずに継続的にスキル知識を学習するフレーム…
RobustSora: 透かし除去済みAI生成動画検出ベンチマーク
AI生成動画の検出において、透かしが検出精度に与える影響を評価する新しいベンチマーク「RobustSora」が…
SoccerMaster: サッカー理解のためのビジョン基盤モデル
サッカーの多様な視覚理解タスクを統一的に処理するAIモデル「SoccerMaster」が発表されました。
MediEval: LLMにおける患者文脈と知識に基づいた推論のための統合医療ベンチマーク
LLMの医療応用における信頼性と安全性の課題を解決するため、新しい評価ベンチマーク「MediEval」が開発さ…
学習可能な基底関数を持つ深層ベイズ強化学習における一般化線形モデル
深層ベイズ強化学習（BRL）に一般化線形モデル（GLM）を導入し、タスク表現の曖昧さを解消しました。
人間社会の談合防止メカニズムを多エージェントAIシステムへ応用
多エージェントAIシステムにおける談合行為に対し、人間社会の防止メカニズムを適用する研究が発表されま…
解釈可能性をガイドとした二目的最適化：精度と説明可能性の整合
AIモデルの精度と説明可能性を両立させるための新しいフレームワーク「IGBO」が提案されました。
CSMCIR: CoT強化型対称アライメントとメモリバンクによる複合画像検索
参照画像とテキストで画像を検索する複合画像検索（CIR）において、表現空間の不整合を解決する新手法が提…
HERMES：効率的なストリーミング動画理解のための階層的メモリとしてのKVキャッシュ
HERMESは、ストリーミング動画をリアルタイムかつ高精度に理解する、学習不要の新しいアーキテクチャです。