Fugu-MT 論文翻訳(概要): Core Mondrian: Basic Mondrian beyond k-anonymity

論文の概要: Core Mondrian: Basic Mondrian beyond k-anonymity

arxiv url: http://arxiv.org/abs/2510.09661v1
Date: Tue, 07 Oct 2025 16:47:14 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-14 18:06:29.531155
Title: Core Mondrian: Basic Mondrian beyond k-anonymity
Title（参考訳）: Core Mondrian: k匿名性を超えた基本的なMondrian
Abstract要約: Core Mondrianは、Original Mondrianパーティションベースの匿名化アルゴリズムの拡張である。モジュラ戦略層はk匿名をサポートし、新しいプライバシモデルを容易に追加できる。
参考スコア（独自算出の注目度）: 0.37413875414407155
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present Core Mondrian, a scalable extension of the Original Mondrian partition-based anonymization algorithm. A modular strategy layer supports k-anonymity, allowing new privacy models to be added easily. A hybrid recursive/queue execution engine exploits multi-core parallelism while maintaining deterministic output. Utility-preserving enhancements include NaN-pattern pre-partitioning, metric-driven cut scoring, and dynamic suppression budget management. Experiments on the 48k-record UCI ADULT dataset and synthetically scaled versions up to 1M records achieve lower Discernibility Metric scores than Original Mondrian for numeric quasi-identifier sets while parallel processing delivers up to 4x speedup vs. sequential Core Mondrian. Core Mondrian enables privacy-compliant equity analytics at production scale.
Abstract（参考訳）: 我々は、Original Mondrianパーティションベースの匿名化アルゴリズムのスケーラブルな拡張であるCore Mondrianを紹介する。モジュラ戦略層はk匿名をサポートし、新しいプライバシモデルを容易に追加できる。ハイブリッド再帰/キュー実行エンジンは、決定論的出力を維持しながらマルチコア並列性を利用する。ユーティリティ保護の強化には、NaNパターンの事前分割、メトリック駆動のカットスコア、動的抑制予算管理などがある。 48k-record UCI ADULTデータセットと100万レコードまで合成スケールされたバージョンによる実験は、数値準識別器セットにおいて、オリジナルモンドリアンよりも低い識別率のスコアを得る一方、並列処理は、シーケンシャルコアモンドリアンに比べて最大4倍のスピードアップを提供する。 Core Mondrianは、プライバシ準拠のエクイティ分析をプロダクションスケールで実現する。

関連論文リスト

LongSpike: Fractional Order Spiking State Space Models for Efficient Long Sequence Learning [53.855185131868446]
スパイキングニューラルネットワーク(SNN)は、シーケンシャルデータを処理する際の生物学的な妥当性とエネルギー効率を十分に考慮している。本研究では,数次状態空間モデリングを統合した新しいSNNフレームワークであるLongSpikeを提案する。従来の整数階数 SSM を分数計算系に拡張することにより、LongSpike は長いメモリカーネルとニューロンダイナミクスの階層的な統合を可能にする。
論文参考訳（メタデータ） (2026-06-11T04:54:07Z)
Label-Free Cross-Task LoRA Merging with Null-Space Compression [50.63908869296697]
我々は,ラベルフリーで出力に依存しない手法であるNull-Space Compression (NSC) Mergingを紹介した。 NSCは、従来のメソッドがタスクのサブセットに収まるバランスの取れたゲインを持つ20の異種視覚タスクに対して、最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2026-03-27T11:34:41Z)
Multiplex Thinking: Reasoning via Token-wise Branch-and-Merge [87.51901436392427]
大規模言語モデルは、しばしばChain-of-Thought (CoT)でより効果的に複雑な推論タスクを解決する。対照的に、人間は、しばしば、もっともらしい次のステップに対して、引力のある確率分布を維持することによって、柔らかに理にかなっている。我々は、K候補トークンをサンプリングし、それらの埋め込みを1つの連続多重化トークンに集約するソフトな推論機構である多重思考を提案する。モデルは自信を持っていれば、多重化トークンはほぼ独立しており、標準のCoTのように振る舞う。
論文参考訳（メタデータ） (2026-01-13T18:48:00Z)
Native Parallel Reasoner: Reasoning in Parallelism via Self-Distilled Reinforcement Learning [68.9332598692234]
我々はNative Parallel Reasoner(NPR)を紹介した。これは、LLM(Large Language Models)が真の並列推論能力を自己発展させることを可能にする、教師なしのフレームワークである。 NPRは、モデルをシーケンシャルエミュレーションから3つの重要な革新を通じてネイティブ並列認識に変換する。
論文参考訳（メタデータ） (2025-12-08T11:39:43Z)
irace-evo: Automatic Algorithm Configuration Extended With LLM-Based Code Evolution [1.1313571663082607]
irace-evoは、大きな言語モデル(LLM)を通じてコード進化を統合するiraceの拡張である可変サイズバンドル問題(VSBPP)に対するCMSAメタヒューリスティックによるirace-evoの評価を行った。
論文参考訳（メタデータ） (2025-11-15T12:42:18Z)
Higher-order Linear Attention [59.92962330635185]
スケールされたドット積の注意の二次コストは、自己回帰言語モデルを長いコンテキストにスケールするための中心的な障害である。本稿では,高次線形注意(Higher-order Linear Attention, HLA)を提案する。
論文参考訳（メタデータ） (2025-10-31T07:54:37Z)
SPARE: Single-Pass Annotation with Reference-Guided Evaluation for Automatic Process Supervision and Reward Modelling [58.05959902776133]
私たちはSingle-Passを紹介します。 Reference-Guided Evaluation (SPARE)は、効率的なステップごとのアノテーションを可能にする新しい構造化フレームワークである。数学的推論(GSM8K, MATH)、マルチホップ質問応答(MuSiQue-Ans)、空間推論(SpaRP)にまたがる4つの多様なデータセットにおけるSPAREの有効性を実証する。 ProcessBenchでは、SPAREがデータ効率のよいアウト・オブ・ディストリビューションの一般化を実証し、トレーニングサンプルの$sim$16%しか使用していない。
論文参考訳（メタデータ） (2025-06-18T14:37:59Z)
JanusDNA: A Powerful Bi-directional Hybrid DNA Foundation Model [1.6128508494592848]
大規模言語モデル(LLM)は自然言語処理に革命をもたらし、他のシーケンシャルなデータタイプにもますます適用されてきている。我々は、新しい事前学習パラダイムに基づいて構築された、最初の双方向DNA基盤モデルであるJanusDNAを紹介する。 JanusDNAは、1つの80GB GPU上で1つのヌクレオチド分解能で100万塩基対を処理する。
論文参考訳（メタデータ） (2025-05-22T20:10:55Z)
Reviving Any-Subset Autoregressive Models with Principled Parallel Sampling and Speculative Decoding [55.2480439325792]
任意の順序言語モデルでは、正しい関節分布からトークンを並列にサンプリングする方法がオープンな問題である。我々は,任意のサブセット自動回帰モデル (AS-ARM) という,異なるモデルのクラスが解を持っていることを発見した。我々は,AS-ARMがベンチマークタスクを埋め込んだ200M未満のパラメータモデル間で最先端の性能を実現し,コード生成における50倍のモデルの性能とほぼ一致していることを示す。
論文参考訳（メタデータ） (2025-04-29T06:33:13Z)
Paraformer: Fast and Accurate Parallel Transformer for Non-autoregressive End-to-End Speech Recognition [62.83832841523525]
そこで我々はParaformerと呼ばれる高速かつ高精度な並列トランスを提案する。出力トークンの数を正確に予測し、隠れた変数を抽出する。 10倍以上のスピードアップで、最先端のARトランスフォーマーに匹敵するパフォーマンスを実現することができる。
論文参考訳（メタデータ） (2022-06-16T17:24:14Z)
An EM Approach to Non-autoregressive Conditional Sequence Generation [49.11858479436565]
自己回帰(AR)モデルは条件付きシーケンス生成において支配的なアプローチである。非自己回帰(NAR)モデルは、最近、すべての出力トークンを並列に生成することでレイテンシを低減するために提案されている。本稿では,ARモデルとNARモデルの両方を統合期待最大化フレームワークで協調的に最適化する手法を提案する。
論文参考訳（メタデータ） (2020-06-29T20:58:57Z)
Imputer: Sequence Modelling via Imputation and Dynamic Programming [101.5705527605346]
Imputerは反復生成モデルであり、入力トークンや出力トークンの数に依存しない一定の数の生成ステップしか必要としない。本稿では,ログ限界確率の低い動的プログラミング学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-02-20T18:21:30Z)
Stochastic geometry to generalize the Mondrian Process [0.0]
離散分布から引き出されたカット方向のSTITプロセスは,高次元軸方向のモンドリアン過程に昇降することにより効率的にシミュレーションできることを示す。また、静止STITプロセスとそれらの混合物が近似できる全ての可能なカーネルを特徴付ける。これにより、密度推定において、モンドリアンの森、モンドリアンのカーネル、ラプラスのカーネルの正確な比較が可能になる。
論文参考訳（メタデータ） (2020-02-03T14:47:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。