Tuning Derivatives for Causal Fairness in Machine Learning
機械学習モデルにおける連続的な保護属性に対する因果的公平性の新しいフレームワークが提案されました。
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
機械学習モデルにおける連続的な保護属性に対する因果的公平性の新しいフレームワークが提案されました。
拡散モデルを用いた画像変換のサンプリング速度を大幅に向上させる新手法「DBMSolver」が発表されました。
医療画像における異常検出で、マルチタスク学習モデルMTL-MADが最先端の性能を達成しました。
LLMの推論能力を向上させる、論理規則で正規化された教師なし検証器「LOVER」が開発されました。
AI生成動画を検出する新しい手法「MAST」が、スパイクニューラルネットワーク(SNN)を用いて高い精度を達…
IoT環境の連合学習で、クライアントの貢献度を評価し学習を効率化する新手法VARS-FLが発表されました。
Vision Transformerの分類誤差を解決する、新しいベイズヘッダーが開発されました。
量子ハードウェア上で量子回路をLLMに組み込み、Llama 3.1 8Bの性能を向上させました。
LLMがFPGAベースのAIアクセラレータ設計空間探索を自動化するフレームワークが発表されました。
LLMのハルシネーションを確率回路で高精度に検出し、動的に修正する新手法が発表されました。
LLMの推論能力向上を目指し、選択的適格性トレース(S-trace)という新しい強化学習手法が提案されました。
LLM評価における「勝者の呪い」を修正し、より信頼性の高い評価手法が提案されました。