「stat.ML」カテゴリーアーカイブ

Principled Out-of-Distribution Generalization via Simplicity

投稿日: 2025年5月29日 作成者: jarxiv

要約 現代の基礎モデルは、顕著な分散排出（OOD）一般化を示し、トレーニングデー … 続きを読む →

カテゴリー: cs.LG, math.ST, stat.ML, stat.TH | Principled Out-of-Distribution Generalization via Simplicity はコメントを受け付けていません

Closed-Form Training Dynamics Reveal Learned Features and Linear Structure in Word2Vec-like Models

投稿日: 2025年5月29日 作成者: jarxiv

要約 Word2vecなどの自己監視ワード埋め込みアルゴリズムは、言語モデリング … 続きを読む →

カテゴリー: cs.CL, cs.LG, stat.ML | Closed-Form Training Dynamics Reveal Learned Features and Linear Structure in Word2Vec-like Models はコメントを受け付けていません

AutoElicit: Using Large Language Models for Expert Prior Elicitation in Predictive Modelling

投稿日: 2025年5月29日 作成者: jarxiv

要約 大規模な言語モデル（LLMS）は、さまざまなドメインで幅広い情報を取得しま … 続きを読む →

カテゴリー: cs.CL, cs.LG, stat.ML | AutoElicit: Using Large Language Models for Expert Prior Elicitation in Predictive Modelling はコメントを受け付けていません

Position: Don’t Use the CLT in LLM Evals With Fewer Than a Few Hundred Datapoints

投稿日: 2025年5月29日 作成者: jarxiv

要約 有効なエラーバーや有意性テストを含む、大規模な言語モデル（LLM）の厳密な … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.ML | Position: Don’t Use the CLT in LLM Evals With Fewer Than a Few Hundred Datapoints はコメントを受け付けていません

On the Surprising Effectiveness of Large Learning Rates under Standard Width Scaling

投稿日: 2025年5月29日 作成者: jarxiv

要約 大規模なビジョンモデルと言語モデルをトレーニングするための主要なパラダイム … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.ML | On the Surprising Effectiveness of Large Learning Rates under Standard Width Scaling はコメントを受け付けていません

Demystifying the Paradox of Importance Sampling with an Estimated History-Dependent Behavior Policy in Off-Policy Evaluation

投稿日: 2025年5月29日 作成者: jarxiv

要約 このホワイトペーパーでは、重要性サンプリングの行動ポリシーの推定に焦点を当 … 続きを読む →

カテゴリー: cs.AI, cs.LG, stat.ML | Demystifying the Paradox of Importance Sampling with an Estimated History-Dependent Behavior Policy in Off-Policy Evaluation はコメントを受け付けていません

Shielded Diffusion: Generating Novel and Diverse Images using Sparse Repellency

投稿日: 2025年5月29日 作成者: jarxiv

要約 テキスト間拡散モデルの採用は、信頼性に対する懸念を引き起こし、キャリブレー … 続きを読む →

カテゴリー: cs.CV, cs.LG, stat.ML | Shielded Diffusion: Generating Novel and Diverse Images using Sparse Repellency はコメントを受け付けていません

A Convergence Theory for Diffusion Language Models: An Information-Theoretic Perspective

投稿日: 2025年5月28日 作成者: jarxiv

要約 拡散モデルは、最新の生成モデリングの強力なパラダイムとして浮上しており、大 … 続きを読む →

カテゴリー: cs.IT, cs.LG, math.IT, math.ST, stat.ML, stat.TH | A Convergence Theory for Diffusion Language Models: An Information-Theoretic Perspective はコメントを受け付けていません

Comparison of the Cox proportional hazards model and Random Survival Forest algorithm for predicting patient-specific survival probabilities in clinical trial data

投稿日: 2025年5月28日 作成者: jarxiv

要約 Cox比例ハザードモデルは、多くの場合、時間からイベントの結果を持つランダ … 続きを読む →

カテゴリー: cs.LG, stat.ML | Comparison of the Cox proportional hazards model and Random Survival Forest algorithm for predicting patient-specific survival probabilities in clinical trial data はコメントを受け付けていません

From Continual Learning to SGD and Back: Better Rates for Continual Linear Models

投稿日: 2025年5月28日 作成者: jarxiv

要約 私たちは、オーバーパラメーター化されたモデルが共同で実現可能なタスクのセッ … 続きを読む →

カテゴリー: cs.LG, stat.ML | From Continual Learning to SGD and Back: Better Rates for Continual Linear Models はコメントを受け付けていません