トピック: Distribution Shift

全セクション横断 5 件

密度比と変位場を単一の凸最適化で同時に推定する手法が提案された。分布のずれの大きさと動かし方を一度に得られ、学習済み生成モデルを再学習せず補正できる点が実務上重要である。

米NYU等の研究チームが、稼働中にリアルタイムで自己修正するAI世界モデル「AdaJEPA」を発表した。従来の固定モデルが抱える環境変化への脆弱性を克服し、製造・物流・ロボティクス分野の自律制御システムに根本的な変革をもたらす可能性がある。

米ジョンズ・ホプキンス大などの研究チームが、AIモデルの予測確率の信頼性を実環境の変化下でも保つ技術を開発した。医療診断や金融リスク管理など、確率値の精度が業績に直結する分野での実装加速が見込まれる。

京国際大学らの研究チームが、元学習データを保持せずにAIモデルを長期安定稼働させる枠組み「DO-ALL」を発表した。プライバシー規制が厳しい医療・金融分野での実用展開を加速させる可能性がある。

米NYU研究チームが、不確実性を定量化するベイズ推論をトランスフォーマーで大幅に高速化する手法を発表した。金融リスク管理や医療診断など、予測精度と意思決定の根拠が同時に求められる分野での実用化が見込まれる。