cs.LG」カテゴリーアーカイブ

On the use of neurosymbolic AI for defending against cyber attacks

要約 すべてのサイバー攻撃を防ぐことはできないことが一般に受け入れられており、サ … 続きを読む

カテゴリー: cs.AI, cs.CR, cs.LG | On the use of neurosymbolic AI for defending against cyber attacks はコメントを受け付けていません

Cost-Effective Hallucination Detection for LLMs

要約 大規模言語モデル (LLM) は幻覚を起こしやすく、入力、外部事実に忠実で … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG, stat.ML | Cost-Effective Hallucination Detection for LLMs はコメントを受け付けていません

GLEAMS: Bridging the Gap Between Local and Global Explanations

要約 機械学習アルゴリズムの説明可能性は非常に重要であり、最近では数多くの手法が … 続きを読む

カテゴリー: cs.AI, cs.LG | GLEAMS: Bridging the Gap Between Local and Global Explanations はコメントを受け付けていません

Natural Language Interaction with a Household Electricity Knowledge-based Digital Twin

要約 スマート グリッドのさまざまなセグメントのデジタル レプリカを表すドメイン … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG | Natural Language Interaction with a Household Electricity Knowledge-based Digital Twin はコメントを受け付けていません

Generalizing Few Data to Unseen Domains Flexibly Based on Label Smoothing Integrated with Distributionally Robust Optimization

要約 オーバーフィッティングは一般に、小規模なデータセットにディープ ニューラル … 続きを読む

カテゴリー: cs.AI, cs.LG | Generalizing Few Data to Unseen Domains Flexibly Based on Label Smoothing Integrated with Distributionally Robust Optimization はコメントを受け付けていません

Hyperbolic Learning with Multimodal Large Language Models

要約 双曲線埋め込みは、画像セグメンテーションやアクティブ ラーニングなどのさま … 続きを読む

カテゴリー: cs.AI, cs.LG | Hyperbolic Learning with Multimodal Large Language Models はコメントを受け付けていません

AI-driven Java Performance Testing: Balancing Result Quality with Testing Time

要約 パフォーマンス テストは、ソフトウェア システムの効率の問題を明らかにする … 続きを読む

カテゴリー: cs.AI, cs.LG, cs.PF, cs.SE | AI-driven Java Performance Testing: Balancing Result Quality with Testing Time はコメントを受け付けていません

Cautious Calibration in Binary Classification

要約 意思決定パイプラインに統合された機械学習システムの信頼性を高めるには、慎重 … 続きを読む

カテゴリー: cs.AI, cs.LG | Cautious Calibration in Binary Classification はコメントを受け付けていません

Gemma Scope: Open Sparse Autoencoders Everywhere All At Once on Gemma 2

要約 スパース オートエンコーダ (SAE) は、ニューラル ネットワークの潜在 … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG | Gemma Scope: Open Sparse Autoencoders Everywhere All At Once on Gemma 2 はコメントを受け付けていません

Meta-Learning Guided Label Noise Distillation for Robust Signal Modulation Classification

要約 自動変調分類 (AMC) は、モノのインターネット (IoT) の物理層の … 続きを読む

カテゴリー: cs.AI, cs.LG, eess.SP, I.2 | Meta-Learning Guided Label Noise Distillation for Robust Signal Modulation Classification はコメントを受け付けていません