本文へ移動
AI NEWS JOURNAL
AI, IN PERSPECTIVE

AI ニュースを検索

見出し・要約・本文から、情報のつながりを探します。

公開日時順

定常状態の実行プリミティブとしての移行:低軌道における仮想的静止性のためのランタイム

arXiv:2610.32720v1 発表タイプ:新規 要旨:低軌道(LEO)衛星メガコンステレーションは、遅延が極めて重要な地球中心型アプリケーション向けに軌道上のエッジコンピューティングを実現するが、衛星の運動により視線通信の窓はわずか数分間にまで圧縮される。論理的な地理的近接性を維持するため、仮想的静止性(VS)と呼ばれるパラダイムでは、アプリケーションはコンステレーション内を通過する衛星間を継続的に移動しなければならない。従来のライブ移行メカニズムは、個別に開始されたリロケーションや複製を最適化するものだが、軌道運動によって必要とされる連続的なホスト間の引き継ぎには対応していない。我々は、ライブ移行を定常状態の実行モデルとして再定式化し、新たな仮想的静止性ランタイムパラダイムを提案する。さらに、連続的な移行の実現可能性を形式的に定式化し…

Migration as a Steady-State Execution Primitive: A Runtime for Virtual Stationarity in Low-Earth Orbit
経緯と関連報道

屋内無線地図推定のための協調的文脈内学習

arXiv:2610.31702v1 発表タイプ:新規 要旨:屋内無線地図推定(RME)は、カバレッジ計画、位置推定、ネットワーク展開などの無線通信アプリケーションにおいて不可欠である。しかし、既存の手法の多くは、高コストなラベル付きデータとタスク固有のモデル学習を必要とする教師あり学習パラダイムに従っている。さらに、屋内環境には建物のレイアウトや構造といったプライバシーに関わる情報が含まれており、これらを集中管理することはしばしば困難である。これらの課題に対処するため、私たちは初めて、屋内RMEを協調的文脈内学習(ICL)問題として定式化する試みを行った。提案するPoly-Rippleは、複数のクライアントがモデルの更新なしに大規模自己回帰型視覚モデル(LAVM)を用いてICLを行うフレームワークである。各クライアントは、自身のプライベートなデモンストレーションによってプロンプトを与えられる。

Collaborative In-Context Learning for Indoor Radio Map Estimation
経緯と関連報道

英語および中国語における上から目線で軽蔑的な言語の検出

arXiv:2610.31808v1 発表タイプ:新規 要旨:上から目線で軽蔑的な言語(PCL)は、脆弱なグループを貶めたり哀れみを抱かせたりする有害な言語の一形態であり、社会的負の固定観念を強化します。しかし、露骨なヘイトスピーチとは異なり、人間の審判にとっても検出が難しい場合が多いです。本論文では、PCLを自動的に検出するシステムを提案しています。第一のアプローチでは静的単語埋め込みと畳み込みニューラルネットワークを用いた分類手法を採用し、第二のアプローチではPCLタスク向けに微調整された事前学習済みBERT埋め込みを使用しました。結果として、第二のアプローチの方が大幅に優れており、開発セットにおいてF1スコア0.528を達成しました。

Patronizing and Condescending Language Detection in English and Mandarin
経緯と関連報道

NDE 4.0への道:自律型検査のためのアルゴリズム、技術、戦略の総括

arXiv:2610.31704v1 発表タイプ:新規 要旨:非破壊検査(NDI)は、損傷を生じさせることなくインフラや製造部品の安全性と信頼性を確保する上で不可欠な現代品質保証の基盤である。本論文では、現在のNDI分野を包括的にレビューし、計算アルゴリズム、物理的技術、産業応用、研究目標という四つの異なる視点から分析を行う。広範な学術文献を統合し、手動によるアナログな解釈から、NDE 4.0と呼ばれるデジタル化・データ中心のパラダイムへと急速に進化していることを示す。我々の分析は、超音波検査および目視検査が主要な物理的技術として優位性を示している一方で、重要な転換が起こっていることを明らかにする。

The Path to NDE 4.0: A Review of Algorithms, Techniques, and Strategies for Autonomous Inspection
経緯と関連報道

金融犯罪分析のための敵対的ロバスト性を備えた多グラフニューラルネットワークへ

arXiv:2610.31718v1 発表タイプ:新規 要旨:金融取引ネットワークは自然に多グラフとして表現され、同一の口座ペア間の繰り返し取引は異なる辺としてモデル化される。近年提案された多グラフニューラルネットワークのアーキテクチャは、この構造を明示的に活用することで、マネーロンダリング防止(AML)タスクにおいて高い性能を実現している。しかし、検出を回避するために取引構造を操作する敵対者に対するそのロバスト性については、依然としてほとんど研究されていない。本稿では、ノード・エッジ接続行列を用いた多グラフニューラルネットワークに対する構造攻撃および敵対的学習のための初のスケーラブルなフレームワークを提示し、このような多グラフ上で構造的な摂動を最適化するため、射影勾配降下法および射影ランダム化ブロック座標降下法を適用している。

Towards Adversarially Robust Multigraph Neural Networks for Financial Crime Analysis
経緯と関連報道