「I.2.6」カテゴリーアーカイブ

Evolving machine learning workflows through interactive AutoML

投稿日: 2024年2月29日 作成者: jarxiv

要約 自動ワークフロー構成 (AWC) は、自動機械学習 (AutoML) に関 … 続きを読む →

カテゴリー: 68T05, cs.LG, I.2.6 | Evolving machine learning workflows through interactive AutoML はコメントを受け付けていません

Securing Reliability: A Brief Overview on Enhancing In-Context Learning for Foundation Models

投稿日: 2024年2月28日 作成者: jarxiv

要約 基礎モデル (FM) が AI の状況を形成し続けるにつれて、インコンテキ … 続きを読む →

カテゴリー: cs.LG, I.2.6 | Securing Reliability: A Brief Overview on Enhancing In-Context Learning for Foundation Models はコメントを受け付けていません

Rethinking Mutual Information for Language Conditioned Skill Discovery on Imitation Learning

投稿日: 2024年2月28日 作成者: jarxiv

要約 言語条件付けされたロボットの動作は、人間のコマンドや指示を認識や動作と関連 … 続きを読む →

カテゴリー: cs.AI, cs.RO, I.2.6 | Rethinking Mutual Information for Language Conditioned Skill Discovery on Imitation Learning はコメントを受け付けていません

Et Tu Certifications: Robustness Certificates Yield Better Adversarial Examples

投稿日: 2024年2月27日 作成者: jarxiv

要約 インスタンスの近隣に敵対的な例が存在しないことを保証する際、認証メカニズム … 続きを読む →

カテゴリー: cs.CR, cs.LG, I.2.6 | Et Tu Certifications: Robustness Certificates Yield Better Adversarial Examples はコメントを受け付けていません

Improving Knowledge Extraction from LLMs for Task Learning through Agent Analysis

投稿日: 2024年2月21日 作成者: jarxiv

要約 大規模言語モデル (LLM) は、タスク学習の知識源として大きな期待をもた … 続きを読む →

カテゴリー: cs.AI, cs.HC, cs.RO, I.2.6 | Improving Knowledge Extraction from LLMs for Task Learning through Agent Analysis はコメントを受け付けていません

Feature emergence via margin maximization: case studies in algebraic tasks

投稿日: 2024年2月20日 作成者: jarxiv

要約 ニューラル ネットワークによって学習された内部表現を理解することは、機械学 … 続きを読む →

カテゴリー: cs.LG, I.2.6 | Feature emergence via margin maximization: case studies in algebraic tasks はコメントを受け付けていません

Tracking Changing Probabilities via Dynamic Learners

投稿日: 2024年2月16日 作成者: jarxiv

要約 入力が離散アイテムのストリームである予測子、つまり学習者を考えてみましょう … 続きを読む →

カテゴリー: 68T05, cs.AI, cs.LG, I.2.6 | Tracking Changing Probabilities via Dynamic Learners はコメントを受け付けていません

Scalable Interactive Machine Learning for Future Command and Control

投稿日: 2024年2月12日 作成者: jarxiv

要約 将来の戦争では、指揮統制（C2）職員は、複雑で潜在的に不明確な状況において … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.HC, cs.LG, I.2.6 | Scalable Interactive Machine Learning for Future Command and Control はコメントを受け付けていません

Let Your Graph Do the Talking: Encoding Structured Data for LLMs

投稿日: 2024年2月9日 作成者: jarxiv

要約 大規模言語モデル (LLM) で使用するために構造化データをシーケンシャル … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SI, I.2.6, stat.ML | Let Your Graph Do the Talking: Encoding Structured Data for LLMs はコメントを受け付けていません

Tempered Calculus for ML: Application to Hyperbolic Model Embedding

投稿日: 2024年2月7日 作成者: jarxiv

要約 ML で使用されるほとんどの数学的歪みは、基本的に本質的に積分です。$f$ … 続きを読む →

カテゴリー: cs.LG, I.2.6 | Tempered Calculus for ML: Application to Hyperbolic Model Embedding はコメントを受け付けていません