-
-
分散学習の通信を減らすZO-COSMO、Qwen2-7Bで精度向上
2026/9/25
ZO-COSMO が分散学習で通信量を減らし、Qwen2-7B で精度を上げた。
-
-
ベイズニューラルネットワークの重みを更新する Full-Covariance Smoothing、オンライン適応の精度を上げる話
2026/9/25
Full-Covariance Smoothing が、ニューロン間の相関を無視せず重みを更新し、精度を上げた
-
-
画像入力に対応した Tev1-4B-experimental の GGUF 版、ローカル推論で使う話
2026/9/25
Tev1-4B-experimental の GGUF 版が公開。画像入力に対応し、Q4_K_M で 2.80GB。
-
-
多変量予測の集合を小さくする手法 Tail-Aware Geometry Learning、分布の裾を考慮した話
2026/9/25
Tail-Aware Geometry Learning が、裾の重い残差を優先して重みづけする凸問題として解けることを示した
-
-
不観測の交絡に強いリスク評価の手法、因果推論とロバスト最適化を組み合わせた推定
2026/9/25
因果推論とロバスト最適化を組み合わせた手法が、不観測の交絡に対する較正精度を最大29.2%向上させた。
-
-
GNNの分類精度を上げる局所証拠と幾何学的変位修正、ノード分類の精度改善
2026/9/25
GNNの分類精度が62.6%から63.8%、65.3%に向上。局所証拠は活用しきれなかった
-
-
ポリマーの性質を機械学習で予測する PolyBench26、グラフモデルが最も精度が良い話
2026/9/25
PolyBench26 が公開。グラフモデルがポリマーの性質予測で最も精度が良い
-
-
複数の観測点で集めた測定値を、中央に集めずに隣同士のやり取りだけで一つの予測モデルにまとめる分散手法
2026/9/25
ADMM-RGPとPDMM-RGPが、通信量を大幅に減らしつつ精度を維持した
-
-
多目的強化学習のヒンダースタイル再ラベリングで生じる、好み空間の被りを失う問題と、それを防ぐ her_mix
2026/9/25
her_mixが19中16の環境で性能を回復。放棄優先度マスは69%から6%に
-
-
ツール結果を共有する TVCache の更新方向を反転させる話
2026/9/25
TVCache が、共有更新で期待と逆向きの学習方向になることを数学的に示した