cs.AI」カテゴリーアーカイブ

RiskQ: Risk-sensitive Multi-Agent Reinforcement Learning Value Factorization

要約 マルチエージェント システムは、環境の不確実性、エージェントのさまざまなポ … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.MA | RiskQ: Risk-sensitive Multi-Agent Reinforcement Learning Value Factorization はコメントを受け付けていません

On the convergence of loss and uncertainty-based active learning algorithms

要約 損失の収束率と不確実性ベースの能動学習アルゴリズムをさまざまな仮定の下で検 … 続きを読む

カテゴリー: cs.AI, cs.LG | On the convergence of loss and uncertainty-based active learning algorithms はコメントを受け付けていません

Exploring the Potential of Large Language Models in Graph Generation

要約 大規模言語モデル (LLM) は多くの分野で大きな成功を収めており、最近の … 続きを読む

カテゴリー: cs.AI, cs.LG | Exploring the Potential of Large Language Models in Graph Generation はコメントを受け付けていません

CPSDBench: A Large Language Model Evaluation Benchmark and Baseline for Chinese Public Security Domain

要約 大規模言語モデル (LLM) は、複数のアプリケーション ドメインにわたっ … 続きを読む

カテゴリー: cs.AI | CPSDBench: A Large Language Model Evaluation Benchmark and Baseline for Chinese Public Security Domain はコメントを受け付けていません

Point2RBox: Combine Knowledge from Synthetic Visual Patterns for End-to-end Oriented Object Detection with Single Point Supervision

要約 指向性物体検出 (OOD) の需要が急速に高まる中、水平ボックス (HBo … 続きを読む

カテゴリー: cs.AI, cs.CV | Point2RBox: Combine Knowledge from Synthetic Visual Patterns for End-to-end Oriented Object Detection with Single Point Supervision はコメントを受け付けていません

Intrinsic Image Diffusion for Indoor Single-view Material Estimation

要約 屋内シーンの外観分解の生成モデルである Intrinsic Image D … 続きを読む

カテゴリー: cs.AI, cs.CV, cs.GR, I.2.10 | Intrinsic Image Diffusion for Indoor Single-view Material Estimation はコメントを受け付けていません

LLM4SGG: Large Language Model for Weakly Supervised Scene Graph Generation

要約 弱教師ありシーングラフ生成 (WSSGG) 研究は、コストのかかるアノテー … 続きを読む

カテゴリー: cs.AI, cs.CV, cs.LG | LLM4SGG: Large Language Model for Weakly Supervised Scene Graph Generation はコメントを受け付けていません

Loop Improvement: An Efficient Approach for Extracting Shared Features from Heterogeneous Data without Central Server

要約 フェデレーション ラーニングでは、データの異質性がパフォーマンスに大きな影 … 続きを読む

カテゴリー: cs.AI, cs.LG | Loop Improvement: An Efficient Approach for Extracting Shared Features from Heterogeneous Data without Central Server はコメントを受け付けていません

Editing Knowledge Representation of Language Lodel via Rephrased Prefix Prompts

要約 神経言語モデル (LM) は、テキストで記述された世界のさまざまな側面に関 … 続きを読む

カテゴリー: cs.AI, cs.CL | Editing Knowledge Representation of Language Lodel via Rephrased Prefix Prompts はコメントを受け付けていません

Toward a Theory of Causation for Interpreting Neural Code Models

要約 コードのニューラル言語モデル、つまりニューラル コード モデル (NCM) … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.SE, stat.ME | Toward a Theory of Causation for Interpreting Neural Code Models はコメントを受け付けていません