保存済みツールを推薦
FOXAI SEARCH

サイト内検索

ニュース記事 907

AdaptTok-Indic: Script-Aware Adaptive Tokenization for Indic Languages

arXiv:2610.33017v1 Announce Type: new Abstract: Multilingual tokenizers trained on English-dominated corpora often over-segment Indic languages, resulting in longer token sequences and increased tokenization disparity across scripts. We present AdaptTok-Indic, an Indic-specialized extension of adaptive tokenization that combines Unicode-normalized preprocessing with explicit Indic conjunct handling, script-aware routing, and learned byte-level boundary prediction jointly trained with a small Transformer language model. Evaluated on Bengali and Hindi, with additional evaluation on Gujarati, Tamil, and Telugu, AdaptTok-Indic achieves lower token fertility than SentencePiece BPE, an Indic-oriented tokenizer baseline, and an independently implemented MAGNET-style baseline. Across five recorded

翻訳サービスが停止中のため原文を表示しています。
arXiv cs.CL

CFBrainAug:解釈可能なfMRIベースの自閉症診断のためのモジュール性による反事実的脳ネットワーク拡張

arXiv:2610.32184v1 発表タイプ:新規 要旨:安静時機能的磁気共鳴画像法(rs-fMRI)に基づく脳ネットワークに対する機械学習は、自閉症スペクトラム障害(ASD)の診断において有望であるが、既存の手法は限られた学習データに対して過剰適合しやすく、事後的な統計的帰属解析では臨床的な解釈可能性が限定的である。本研究では、ラベルを変更した脳ネットワークを学習することで、データ拡張と反事実的説明を統合する反事実的脳ネットワーク学習フレームワークであるCFBrainAugを提案する。従来のラベル保持型拡張とは異なり、CFBrainAugはまずラベルとは逆だがトポロジー的に類似した候補を抽出し、その後、モジュール数制約の下でそれを精緻化する。事実的および反事実的ネットワークを併せて学習することで、学習

arXiv cs.LG

賢くささやく:ASRのファインチューニングにおけるスマートなサブセット選択

arXiv:2610.32997v1 公開タイプ:新規 要旨:OpenAIのWhisperなどの自動音声認識(ASR)モデルは、音声認識の精度を大幅に向上させていますが、特に大量のトランスクリプション済み音声データが利用可能な場合でも、ファインチューニングには高いコストがかかります。そのため、多くの実務者がこれらのモデルを新たな言語や領域に適応させるのは困難です。本研究では、ASRのファインチューニングに用いるためのより小規模な学習データセットを選択する、埋め込みベースのサブセット選択手法を提案します。Whisperの事前学習済みエンコーダを用いて、各音声サンプルを固定次元の埋め込み空間へ写像し、貪欲なk-センター法を適用して、多様で代表性のある学習データのサブセットを選定します。本手法をヘブライ語およびデンマーク語に対して評価した結果、k-センター選択はしばしば

arXiv cs.CL

シスコ・パートナーサミット:AI時代のチャネルを定義する5つの洞察

30年にわたる歴史の大部分において、シスコ・パートナー・サミットは、パートナーがシスコシステムズ社の技術をどのように販売するかに焦点を当ててきました。今年のバンクーバーでのイベントは、これまでとは異なるテーマ——すなわち、取引そのものがもはや主役でなくなった世界において、パートナーがいかにして収益を上げるか——に注目していました。シスコは、同社の株価が[…]という好調な状況下で、このイベントに臨みました。記事「シスコ・パートナー・サミット:AI時代のチャネルを規定する5つの洞察」は、最初にSiliconANGLEに掲載されました。

SiliconANGLE AI

Nace AI、AIエージェント向け検索用Drexをリリース:BrowseComp-Plusで92.05%、12.6回の検索呼び出し

Nace AIは、Drex for Searchをリリースし、同社のDrex意思決定モデルをAIエージェント向けのドキュメント検索に導入しました。Naceによると、BrowseComp-Plusでは12.6回の検索呼び出しで92.05%のスコアを達成しており、OfficeQA Proではエージェントの操作回数がさらに減少しています。この記事「Nace AI、AIエージェント向けDrex for Searchをリリース:BrowseComp-Plusで12.6回の検索呼び出しで92.05%」は、MarkTechPostに最初に掲載されました。

マークテックポスト

Regalがゴール指向型エージェントを発表し、すべてのコールにアクターとディレクターのモデルを導入

企業向け音声人工知能企業のRegal Voice Inc.は本日、同社のプラットフォームに「Goal Oriented Agents」を追加しました。これにより、同サービスを利用する企業は、コールが達成すべき目標を明確に定義できるようになり、その目標達成に向けた作業を分割して実行する2つのAIモデルも提供されます。新たなエージェントは、Regalが「こうしたタイプのコールでしばしば見られる問題」に対応することを目的としています[…]。記事「Regal、Goal Oriented Agentsを発表――すべてのコールにアクターとディレクターのモデルを配置」は、SiliconANGLEに最初に掲載されました。

SiliconANGLE AI

WorkivaのAmplifyイベントに関するtheCUBEの取材から見落としがちな3つの洞察

エンタープライズAIガバナンスは、自動化システムが何を実行できるかを規定するデータ、ワークフロー、制御の領域へと進展しています。エージェントが金融、監査、コンプライアンス、サステナビリティといった分野で重要な業務を担うようになる中、組織には、ビジネス文脈に根ざし、その出所を追跡可能で、明確な説明責任に基づいて管理された結果が求められます。TheCUBEによるWorkivaのAmplifyイベントのプレビューでは、[…]が強調されました。この記事「TheCUBEのWorkiva Amplifyイベント報道から見落としがちな3つの洞察」は、最初にSiliconANGLEに掲載されました。

SiliconANGLE AI

ディスカウント取引が崩れるにつれて、AIトークンの販売はますます難しくなる

モデルクレジットがフェスティバルのプロモーションやキャリアスタイルのパッケージに登場しています。不透明なマークアップで成り立っていた小規模な再販業者は、品質への疑念や規制強化、そして資金力のある競合企業との競争に直面しています。一方、安定した中間業者は、秘密裏な値下げではなく、ルーティング、信頼性、統合に対して料金を請求するでしょう。

ティメディア

EVOLVE: Uncertainty-Aware Multivariate Time Series Anomaly Prediction with Adaptive Prototype Memories

arXiv:2610.32189v1 Announce Type: new Abstract: Unsupervised multivariate time series anomaly prediction (AP) aims to estimate future anomaly risks from current observations, providing early-warning signals for proactive intervention and maintenance in complex systems. Existing unsupervised AP methods follow a perturbation-based paradigm, where predefined or random perturbations are injected into historical windows to simulate abnormal future evolution. However, these methods share perturbations across different variables and contexts, and learn deterministic history-to-future evolution. In reality, anomaly evolution is variable- and context-dependent: the same perturbation may be amplified into abnormal future dynamics in one variable or context, while being absorbed as normal fluctuation

翻訳サービスが停止中のため原文を表示しています。
arXiv cs.LG