TOPIC TIMELINE

タイムライン検索

特定トピックに関する記事を時系列で並べて「いつ・何が起きたか」を俯瞰します。

2026年5月29日
後付け修正によるニューロシンボリック知識グラフの構築：オントロジーに基づくアプローチ
arXiv:2605.29168v1 文書の発表。質問応答（QA）はAIの中核的な課題であり、特に複数の文書間でのマルチホップ推論や集約や完全リスティングなどのシンボリック操作を必要とする複雑なクエリに対応する必要があります。検索拡張生成はQAの主流アプローチとなり、最近のグラフベースのバリアントが追加されています。
arXiv cs.AI
2026年5月29日
Conf-Gen: 生成モデルのための形式的不確実性定量化
形式的予測（CP）とその拡張である形式的リスク制御（CRC）は、機械学習における不確実性を形式的保証を通じて定量化するための確立されたフレームワークである。しかし、最近のAIの革新は教師なし生成モデルによってもたらされている。
arXiv cs.LG
2026年6月1日
大規模言語モデルの不確実性における人間的整合性、キャリブレーション、活性化パターン
arXiv:2605.30675v1 不確実性定量化は大規模言語モデルの行動分析における大規模で成長するサブフィールドである。主にハルシネーション認識および対策のため、このフィールドは不確実性判断のタスク有効性への精度であるキャリブレーションの測定と改善に主に焦点を当ててきた。本研究では、
arXiv cs.CL
2026年6月1日
PhyDrawGen：自然言語から物理的に根拠のある図表生成
arXiv:2605.30512v1 発表タイプ：新規要旨：テキストから物理図を生成するには、物理法則の厳密な遵守が必要である。現在の生成モデルは視覚的にもっともらしい出力を生成しているが、力ベクトルを体系的に幻覚し、保存則を無視し、幾何学的制約に違反している。我々はニューロシンボリックパイプラインであるPhyDrawGenを提示する。
arXiv cs.AI
2026年6月1日
DisjunctiveNet：微分可能凸最適化層を通じたニューラルシンボリック学習
arXiv:2605.30456v1 科学と工学の多くの学習タスクはスパースなデータセットが特徴であり、純粋なデータドリブンアプローチの有効性を制限しています。同時に、これらの問題には物理法則、運用要件、専門家の直感から導出された豊富なドメイン知識が伴うことが多くあります。
arXiv cs.LG
2026年6月2日
確率的勾配マルコフ連鎖モンテカルロを使用した正確な大標本不確実性定量化
確率的勾配降下法（SGD）と確率的勾配ランジュバン動力学（SGLD）などのアルゴリズムの調整は、特にバッチサイズが大きい場合またはモデルが誤指定されている実際の関連設定では、近似サンプリングと不確実性定量化について課題が残ります。
arXiv cs.LG
2026年6月2日
高次元構造化表現のためのジオデシックフロー・マッチング
ベクトル記号代数（VSA）は記号情報を高次元分散表現にエンコードすることによってロバストなニューロシンボリック推論を可能にします。連続領域の場合、空間セマンティックポインタ（SSP）は変数を連続トーラス多様体にマッピングすることでこのフレームワークを拡張します。しかし、安定性の問題があります。
arXiv cs.AI
2026年6月8日
本当に確実ですか？シンボリック回帰における不確実性定量化の包括的かつ理解可能な調査
シンボリック回帰（SR）は、数学関数の空間を体系的に探索し、データセット内の基礎的な関係を正確に捉えるモデルを発見する手法のクラスです。この分野の最近の進展にもかかわらず、不確実性定量化（UQ）のサポート不足が現実世界の意思決定プロセスへの採用を制限しています。回帰分析では、UQはモデルの信頼性に関する重要な情報を提供し、データの不確実性を考慮することでオーバーフィッティングを回避し、意思決定に向けた洞察を提供するのに役立ちます。本調査は、この問題に初めて明確に対処するもので、シンボリック回帰におけるUQの本質的な概念を紹介し、現在の文献を頻度主義的、ベイズ的、モデル選択という3つの研究方向に広く分類してレビューしています。その重要性にもかかわらず、シンボリック回帰におけるUQはまだ十分に探索されていないため、シンボリック回帰のための信頼できるUQ手法の研究をさらに進めることが重要です。
arXiv cs.LG