PsyDefDetectにおけるニュルンベルクNLP：心理的防衛メカニズム分類のための多軸投票アンサンブル
心理的防衛メカニズムのレベルを分類するタスクで、多軸投票アンサンブルシステムが最高性能を達成しまし…
研究
2725件
安全か、それとも単に無能か？スマホ操作AIのエージェント安全性評価の再考
スマホ操作AIの安全性評価において、危険回避が能力不足によるものか、安全な判断によるものかを区別する…
後学習が大規模言語モデルを人間らしくなくする
大規模言語モデル（LLM）の後学習プロセスが、人間行動との整合性を低下させることが判明しました。
LithoBench：リモートセンシング岩石解釈のための大規模マルチモーダルモデルのベンチマーク
リモートセンシングによる岩石解釈能力を評価する、専門家が注釈を付けた新しいベンチマーク「LithoBench…
MAVEN：段階的認識監査を備えたマルチエージェント検証・精緻化ネットワーク
LLMの推論能力を向上させるため、マルチエージェントによる検証・精緻化フレームワーク「MAVEN」が提案さ…
自動短文採点における品質条件付き一致度：中程度の回答での性能低下とタスク適応の影響
自動短文採点において、LLMは完璧な回答と誤った回答では高精度だが、中程度の回答で性能が低下することが…
運用設計ドメイン内での動作：ビジョン言語モデルによるゼロショット知覚
自動運転システムが安全に機能するための運用設計ドメイン（ODD）知覚に、ビジョン言語モデル（VLM）をゼ…
10億規模のマルチモーダル生体認証検索システムに向けて
インドの国家レベルの身元確認システム向けに、10億規模のマルチモーダル生体認証検索システム「Bharat AB…
誤較正の内生性：スコア報告における不可能性と回避策
AIエージェントの真実な報告を促すためのスコアリングルールにおいて、誤較正が内生的に発生する問題が指…
TRACE：説明責任のある引用証拠による観光推薦システム
観光推薦システム（CRS）の評価ギャップを埋めるため、対話型推薦とレビュー引用証拠を組み合わせた新しい…
単一チャネル話者距離推定における初期および後期残響への依存性
単一チャネル話者距離推定モデルが、室内の残響成分と録音条件にどのように依存するかを分析しました。
DRIP-R: 小売分野における実世界のポリシー曖昧性下での意思決定と推論のためのベンチマーク
LLMエージェントが実世界の曖昧なポリシー下で意思決定する能力を評価する新しいベンチマーク「DRIP-R」が…