2025-01-09 に確認した最新投稿の一部です。
Article: 1
Title:
Explainable AI model reveals disease-related mechanisms in single-cell RNA-seq data
Published:
2025-01-07
Authors:
Mohammad Usman, Olga Varea, Petia Radeva, Josep Canals, Jordi Abante, Daniel Ortiz
Abstract:
神経変性疾患(NDD)は複雑で、そのメカニズムが十分に理解されていないため、効果的な治療法がありません。Single nucleus RNA Sequencing (snRNA-seq) によるデータ解析の利用が進んでいるため、単一細胞レベルでのトランスクリプトームイベントの探索が可能になりますが、疾患の根底にあるメカニズムの解釈には課題があります。一方、ニューラルネットワーク(NN)モデルは、複雑なデータを処理して洞察を得ることができますが、解釈可能性の低いブラックボックスと見なすことができます。このような状況で、説明可能なAI(XAI)は、効率的なNNモデルと組み合わせることで、疾患関連メカニズムの理解に役立つソリューションとして浮上しています。ただし、シングルセルデータでXAIを調査した研究は限られています。本研究では、NNモデルとSHAPの組み合わせに基づいて、疾患関連遺伝子の同定と疾患進行の機構的説明の方法を実装します。利用可能なハンチントン病(HD)データを解析し、Gene Set Enrichment Analysis(GSEA)を加えて、差次的遺伝子発現解析(DGE)とNNとSHAPアプローチを組み合わせた2つの方法を比較することにより、HD修飾遺伝子とメカニズムの両方を同定します。私たちの結果は、DGEおよびSHAPアプローチが、変更された遺伝子と経路の共通セットと差分セットの両方を提供し、疾患のより広い視野に対するXAIメソッドの有用性を強化していることを示しています。
Article: 2
Title:
Realistic Test-Time Adaptation of Vision-Language Models
Published:
2025-01-07
Authors:
Maxime Zanella, Clément Fuchs, Christophe De Vleeschouwer, Ismail Ben Ayed
Abstract:
Vision-Language Models(VLM)のゼロショット機能は、予測パフォーマンスの向上に広く活用されています。ただし、変換適応またはテスト時適応 (TTA) に関する以前の研究では、すべてのクラスの存在など、データ分布について強い仮定が立てられることがよくあります。私たちの仕事は、これらの好ましい展開シナリオに挑戦し、(i)単一のバッチ内の適応のための可変数の効果的なクラス、および(ii)非i.i.dを含む、より現実的な評価フレームワークを導入します。オンライン適応設定のテストサンプルのバッチ。私たちは、VLMの電流変換法またはTTA法が、さまざまな現実的なシナリオでモデルの初期ゼロショットロバスト性を体系的に損なう方法を示す包括的な評価、比較、およびアブレーション研究を提供し、テストサンプルの分布に関する有利な仮定の下でのパフォーマンス向上を支持します。さらに、テスト時に有効なクラスの数が可変になるシナリオなど、幅広いデプロイメントシナリオを処理できる汎用性の高い手法であるStatAを紹介します。私たちのアプローチには、VLM用に特別に設計された新しい正則化用語が組み込まれており、特に低データ領域において、初期のテキストエンコーダーの知識を保持する統計的なアンカーとして機能します。コードは https://github.com/MaxZanella/StatA で入手できます。
Article: 3
Title:
Synthetic Data Privacy Metrics
Published:
2025-01-07
Authors:
Amy Steier, Lipika Ramaswamy, Andre Manoel, Alexa Haushalter
Abstract:
近年のジェネレーティブAIの進歩により、AIモデルのトレーニング、統計的な洞察の強化、機密性の高いデータセットとのコラボレーションの促進のための実世界のデータと同じくらい正確な合成データセットを作成することが可能になりました。合成データの経験的プライバシーを効果的に測定することは、このプロセスの重要なステップです。しかし、毎日多くの新しいプライバシー指標が発表されている一方で、現在のところ標準化は行われていません。このホワイトペーパーでは、敵対的攻撃のシミュレーションを含む一般的なメトリクスの長所と短所をレビューします。また、生成モデルが作成するデータのプライバシーを強化するために、生成モデルを修正するための現在のベストプラクティスもレビューします(例:差分プライバシー)。
Article: 4
Title:
Finding A Voice: Evaluating African American Dialect Generation for Chatbot Technology
Published:
2025-01-07
Authors:
Sarah E. Finch, Ellie S. Paek, Sejung Kwon, Ikseon Choi, Jessica Wells, Rasheeta Chandler, Jinho D. Choi
Abstract:
チャットボットが日常業務にますます統合されるようになるにつれ、多様なユーザー集団に対応するシステムを設計することは、信頼、エンゲージメント、包括性を育むために不可欠です。この研究では、現代の大規模言語モデル(LLM)がアフリカ系アメリカ人の英語(AAVE)を生成する能力を調査し、AAVEの使用がチャットボットアプリケーションのユーザーエクスペリエンスに与える影響を評価します。3つのLLMファミリー(Llama、GPT、Claude)がさまざまな方言強度でAAVEのような発話を生成する際のパフォーマンスを分析し、ヘルスケアや教育を含む複数のドメインにわたるユーザーの好みを評価します。LLMはAAVEのような言語を生成することに長けていますが、AAVEを話すユーザーは標準アメリカ英語(SAE)チャットボットを好み、チャットボットの信頼性や役割の適切性など、さまざまな特性についてAAVEのレベルが高いほど評価が低いことがわかっています。これらの結果は、インクルーシブなAIシステムの構築の複雑さを浮き彫りにし、人間とコンピューターの相互作用を強化するために多様性をさらに探求する必要性を強調しています。
Article: 5
Title:
The Textbook of Tomorrow: Rethinking Course Material Interfacing in the Era of GPT
Published:
2025-01-07
Authors:
Audrey Olson, Pratyusha Maiti, Ashok Goel
Abstract:
BlackboardやCanvasなどのオンライン学習管理システム(LMS)は、何十年も前から存在しています。しかし、コースの読み物は、提供されたとしても、現実のものとは単純なデジタルツインとして一貫して存在しています。オンラインツールやリソースは、学生がデジタルテキストをより効率的に、または自分の学習スタイルにより適した方法で処理できるようにするために存在しますが、そのようなリソースに関する知識は均等に分散されておらず、学生間に優位性の溝が生じています。この論文では、学生が自分の読み物とチャットしたり、ハイライトされたテキストの要約や説明を受け取ったり、オンラインコースの教材に埋め込まれたAIエージェントを介してクイズの質問を生成したりするための新しい方法である「スマート」教科書のコースウェア統合を提案しています。ソフトウェアの将来のイテレーションでは、AIが生成した回答のコンテキスト内参照の強調表示と、最終学習者向けのパーソナライズされたチューニングを追加することを目指しています。