「cs.LG」カテゴリーアーカイブ

Paradigms of AI Evaluation: Mapping Goals, Methodologies and Culture

投稿日: 2025年6月9日 作成者: jarxiv

要約 AI評価の研究により、ますます複雑で学際的になり、さまざまな背景と目的を持 … 続きを読む →

カテゴリー: cs.AI, cs.LG | Paradigms of AI Evaluation: Mapping Goals, Methodologies and Culture はコメントを受け付けていません

Text-to-LoRA: Instant Transformer Adaption

投稿日: 2025年6月9日 作成者: jarxiv

要約 基礎モデルは、迅速なコンテンツ作成のための一般的なツールを提供しますが、タ … 続きを読む →

カテゴリー: cs.AI, cs.LG | Text-to-LoRA: Instant Transformer Adaption はコメントを受け付けていません

Towards Lifecycle Unlearning Commitment Management: Measuring Sample-level Unlearning Completeness

投稿日: 2025年6月9日 作成者: jarxiv

要約 データのプライバシーとセキュリティに対する懸念の高まりは、マシンの学習の重 … 続きを読む →

カテゴリー: cs.AI, cs.CR, cs.LG | Towards Lifecycle Unlearning Commitment Management: Measuring Sample-level Unlearning Completeness はコメントを受け付けていません

Regret-Free Reinforcement Learning for LTL Specifications

投稿日: 2025年6月9日 作成者: jarxiv

要約 高レベルの時間仕様に関して未知の動的システムを制御することを学ぶことは、制 … 続きを読む →

カテゴリー: cs.AI, cs.LG | Regret-Free Reinforcement Learning for LTL Specifications はコメントを受け付けていません

LLMs on the Line: Data Determines Loss-to-Loss Scaling Laws

投稿日: 2025年6月9日 作成者: jarxiv

要約 スケーリング法は、モデルサイズ、トークン、および計算の最適なバランスの推定 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG | LLMs on the Line: Data Determines Loss-to-Loss Scaling Laws はコメントを受け付けていません

Deconfounding Multi-Cause Latent Confounders: A Factor-Model Approach to Climate Model Bias Correction

投稿日: 2025年6月9日 作成者: jarxiv

要約 グローバルな気候モデル（GCM）は、地球システムをシミュレートすることによ … 続きを読む →

カテゴリー: cs.AI, cs.LG, physics.ao-ph, stat.ML | Deconfounding Multi-Cause Latent Confounders: A Factor-Model Approach to Climate Model Bias Correction はコメントを受け付けていません

Not All Rollouts are Useful: Down-Sampling Rollouts in LLM Reinforcement Learning

投稿日: 2025年6月9日 作成者: jarxiv

要約 検証可能な報酬（RLVR）による強化学習は、大規模な言語モデルの推論能力を … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG | Not All Rollouts are Useful: Down-Sampling Rollouts in LLM Reinforcement Learning はコメントを受け付けていません

The Lock-in Hypothesis: Stagnation by Algorithm

投稿日: 2025年6月9日 作成者: jarxiv

要約 大規模な言語モデル（LLMS）のトレーニングと展開は、人間のユーザーとのフ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CY, cs.HC, cs.LG | The Lock-in Hypothesis: Stagnation by Algorithm はコメントを受け付けていません

A Riemannian Optimization Perspective of the Gauss-Newton Method for Feedforward Neural Networks

投稿日: 2025年6月9日 作成者: jarxiv

要約 スムーズな活性化関数でニューラルネットワークをトレーニングするためのGau … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SY, eess.SY, math.OC, stat.ML | A Riemannian Optimization Perspective of the Gauss-Newton Method for Feedforward Neural Networks はコメントを受け付けていません

DyGMamba: Efficiently Modeling Long-Term Temporal Dependency on Continuous-Time Dynamic Graphs with State Space Models

投稿日: 2025年6月9日 作成者: jarxiv

要約 連続時間動的グラフ（CTDG）の有用な表現を学習することは、長いノードの相 … 続きを読む →

カテゴリー: cs.AI, cs.LG | DyGMamba: Efficiently Modeling Long-Term Temporal Dependency on Continuous-Time Dynamic Graphs with State Space Models はコメントを受け付けていません