cs.LG」カテゴリーアーカイブ

Pychop: Emulating Low-Precision Arithmetic in Numerical Methods and Neural Networks

要約 計算科学における低精度の算術に対する需要の高まりに動機付けられているため、 … 続きを読む

カテゴリー: cs.LG, cs.NA, math.NA | Pychop: Emulating Low-Precision Arithmetic in Numerical Methods and Neural Networks はコメントを受け付けていません

Hypencoder: Hypernetworks for Information Retrieval

要約 既存の情報検索システムは、クエリドキュメントの関連性を評価するためのベクト … 続きを読む

カテゴリー: cs.IR, cs.LG | Hypencoder: Hypernetworks for Information Retrieval はコメントを受け付けていません

Kernel Ridge Regression for Efficient Learning of High-Capacity Hopfield Networks

要約 Hebbian Learningを使用したHopfieldネットワークは、 … 続きを読む

カテゴリー: cs.LG, cs.NE | Kernel Ridge Regression for Efficient Learning of High-Capacity Hopfield Networks はコメントを受け付けていません

On the Importance of Gaussianizing Representations

要約 正規分布は、情報理論の中心的な役割を果たします – 同時に、最 … 続きを読む

カテゴリー: cs.LG | On the Importance of Gaussianizing Representations はコメントを受け付けていません

Action-Minimization Meets Generative Modeling: Efficient Transition Path Sampling with the Onsager-Machlup Functional

要約 エネルギー環境上の2つのポイントを接続する可能性のあるパスを見つけることを … 続きを読む

カテゴリー: cond-mat.mtrl-sci, cs.LG, physics.chem-ph, q-bio.BM | Action-Minimization Meets Generative Modeling: Efficient Transition Path Sampling with the Onsager-Machlup Functional はコメントを受け付けていません

Self-Generated In-Context Examples Improve LLM Agents for Sequential Decision-Making Tasks

要約 シーケンシャルな意思決定タスクの大規模言語モデル(LLM)エージェントを改 … 続きを読む

カテゴリー: cs.CL, cs.LG | Self-Generated In-Context Examples Improve LLM Agents for Sequential Decision-Making Tasks はコメントを受け付けていません

QServe: W4A8KV4 Quantization and System Co-design for Efficient LLM Serving

要約 量子化は、大規模な言語モデル(LLM)推論を加速できます。 INT8の量子 … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG, cs.PF | QServe: W4A8KV4 Quantization and System Co-design for Efficient LLM Serving はコメントを受け付けていません

Generating Traffic Scenarios via In-Context Learning to Learn Better Motion Planner

要約 モーション計画は、自律運転における重要なコンポーネントです。 最先端のモー … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.GR, cs.LG, cs.RO | Generating Traffic Scenarios via In-Context Learning to Learn Better Motion Planner はコメントを受け付けていません

TaeBench: Improving Quality of Toxic Adversarial Examples

要約 毒性テキスト検出器は、敵対的な例に対して脆弱になる可能性があります &#8 … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.CR, cs.LG | TaeBench: Improving Quality of Toxic Adversarial Examples はコメントを受け付けていません

Folded Context Condensation in Path Integral Formalism for Infinite Context Transformers

要約 この作業では、パス積分形式のフレームワーク内でコアメカニズムを再解釈するこ … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG, cs.NE, hep-ph | Folded Context Condensation in Path Integral Formalism for Infinite Context Transformers はコメントを受け付けていません