機械学習を、正しいかたちで。

グラフトによる拡散変圧器設計の探求

ケシゲヤン・チャンドラセガラン、マイケル・ポリ

モデルはメモリをどの程度効果的に使用するか

ロム・パーニククン、ニーハル・タマ、ステファノ・マサロリ、マイケル・ポリ、アーミン・トーマス、リキッド・チーム

エッジデバイス用の畳み込みマルチハイブリッド

アーミン・トーマス、ステファノ・マサロリ、マイケル・ポリ、リキッド・エッジ・チーム

ターゲットを絞った進化による自動アーキテクチャ合成

アー・ミワ・サーマス、ロームパルクン、27・ダーミニ、ステファノサロリ、マイケル・ポリ

LFM-1B-Math: 小型モデルは簡潔に推論できるか？

Tim Seyde、Rohin Manvi、Maxime Labonne、Liquid AI チーム

LiquidのニューラルネットワークからLiquidの基盤モデルへ

低ランクかつスパースな再帰的接続性を活用したロバストな閉ループ制御

ニーハル・トゥマ、マティアス・レヒナー、ノエル・ルー、ラミン・ハサニ、ダニエラ・ラス

機械学習における「1つを除く」識別可能性

ジアユアン・イエ、アナスタシア・ボロヴィク、スフィアン・ハユ、レザ・ショクリ

COCO-Periph: 人間と機械の周辺視野知覚のギャップを埋める

アン・ハリントン、ヴァシャ・デュテル、マーク・ハミルトン、アユシュ・テワリ、サイモン・ステント、ウィリアム・T・フリーマン、ルース・ローゼンホルツ

ニューラルタンジェントカーネルとデータセット蒸留による再構成攻撃の理解

ノエル・ルー、ラミン・ハサニ、マティアス・レヒナー、アレクサンダー・アミニ、ダニエラ・ルス

多様なニューラルアーキテクチャの処理のためのグラフ・メタネットワーク

デレク・リム、ハガイ・マロン、マーク・T・ロー、ジョナサン・ロレイン、ジェームズ・ルーカス

構造化データがどのように特徴学習を導くか:パリティ問題のケーススタディ

二反田篤史、大古和里、鈴木泰司、デニー・ウー

どこでも運転可能:マルチモーダル基盤モデルによる一般化可能なエンドツーエンドの自動運転

ツン・スアン・ワン、アラー・マールーフ、ウェイ・シャオ、ユートン・バン、アレクサンダー・アミニ、ガイ・ロスマン、セルタック・カラマン、ダニエラ・ラス

低ランクおよびスパース再帰接続を活用して堅牢なクローズドループ制御を実現

ニーハル・タマ、マティアス・レヒナー、ノエル・ルー、ラミン・ハサニ、ダニエラ・ラス

ポートフォリオ最適化におけるモダンエボリューション戦略の探求

ラミン・ハサニ、エタン・A・イーサンファー、グレッグ・A・バニス、ラスティ・ビーラー、アミール・ソロウシュ・アフマディ

ギガステップ：1秒間に10億ステップのマルチエージェント強化学習

マティアス・レヒナー、リャンハオ・イン、ティム・サイド、ワン・ツンシュアン、シャオ・ウェイ、ラミン・ハサニ、ジョシュア・ラウントリー、ダニエラ・ラス