論文の概要: The 6th International Verification of Neural Networks Competition (VNN-COMP 2025): Summary and Results

• arxiv url: http://arxiv.org/abs/2512.19007v1
• Date: Mon, 22 Dec 2025 03:48:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.608998
• Title: The 6th International Verification of Neural Networks Competition (VNN-COMP 2025): Summary and Results
• Title（参考訳）: 第6回国際ニューラルネットワークコンペティション(VNN-COMP 2025)の概要と結果
• Authors: Konstantin Kaulen, Tobias Ladner, Stanley Bak, Christopher Brix, Hai Duong, Thomas Flinkow, Taylor T. Johnson, Lukas Koller, Edoardo Manino, ThanhVu H Nguyen, Haoze Wu,
• Abstract要約: 第6回国際ニューラルネットワークコンペティション(VNN-COMP 2025)を要約する。 VNN-COMPは、最先端のニューラルネットワーク検証ツールの公平かつ客観的な比較を容易にするために毎年開催されている。 このレポートは、このコンペティションのこのイテレーションから学んだルール、ベンチマーク、参加ツール、結果、教訓を要約する。
• 参考スコア（独自算出の注目度）: 10.109500196139662
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This report summarizes the 6th International Verification of Neural Networks Competition (VNN-COMP 2025), held as a part of the 8th International Symposium on AI Verification (SAIV), that was collocated with the 37th International Conference on Computer-Aided Verification (CAV). VNN-COMP is held annually to facilitate the fair and objective comparison of state-of-the-art neural network verification tools, encourage the standardization of tool interfaces, and bring together the neural network verification community. To this end, standardized formats for networks (ONNX) and specification (VNN-LIB) were defined, tools were evaluated on equal-cost hardware (using an automatic evaluation pipeline based on AWS instances), and tool parameters were chosen by the participants before the final test sets were made public. In the 2025 iteration, 8 teams participated on a diverse set of 16 regular and 9 extended benchmarks. This report summarizes the rules, benchmarks, participating tools, results, and lessons learned from this iteration of this competition.
• Abstract（参考訳）: 本報告では,第8回AI検証国際シンポジウム(SAIV)の一環として開催された第6回ニューラルネットワークコンペティション(VNN-COMP 2025)を要約する。 VNN-COMPは、最先端のニューラルネットワーク検証ツールの公正かつ客観的な比較を促進し、ツールインターフェースの標準化を促進し、ニューラルネットワーク検証コミュニティを統合するために毎年開催される。 この目的のために、ネットワーク(ONNX)と仕様(VNN-LIB)の標準化フォーマットが定義され、同じコストのハードウェア上でツールが評価され(AWSインスタンスをベースとした自動評価パイプラインを使用して)、最終テストセットが公開される前に、ツールパラメータが参加者によって選択された。 2025年のイテレーションでは、8チームが16のレギュラーと9の拡張ベンチマークの多様なセットに参加した。 このレポートは、このコンペティションのこのイテレーションから学んだルール、ベンチマーク、参加ツール、結果、教訓を要約する。

関連論文リスト

• The Fifth International Verification of Neural Networks Competition (VNN-COMP 2024): Summary and Results [3.9189620165765]
  第5回国際ニューラルネットワークコンペティション(VNN-COMP 2024)を要約する。 VNN-COMPは、最先端のニューラルネットワーク検証ツールの公平かつ客観的な比較を容易にするために毎年開催されている。 このレポートは、このコンペティションのこのイテレーションから学んだルール、ベンチマーク、参加ツール、結果、教訓を要約する。
  論文  参考訳（メタデータ） (2024-12-28T03:07:00Z)
• The Fourth International Verification of Neural Networks Competition (VNN-COMP 2023): Summary and Results [7.3262152011453745]
  第4回国際ニューラルネットワークコンペティション(VNN-COMP 2023)を要約する。 VNN-COMPは、最先端のニューラルネットワーク検証ツールの公平かつ客観的な比較を容易にするために毎年開催されている。 このレポートは、このコンペティションのこのイテレーションから学んだルール、ベンチマーク、参加ツール、結果、教訓を要約する。
  論文  参考訳（メタデータ） (2023-12-28T00:46:35Z)
• First Three Years of the International Verification of Neural Networks Competition (VNN-COMP) [9.02791567988691]
  VNN-COMPでは、参加者が入力出力動作を記述する仕様を満たすニューラルネットワークを解析するソフトウェアツールを提出する。 我々は、重要なプロセス、ルール、成果を要約し、過去3年間に観察されたトレンドを概説し、将来の発展の可能性について展望を提供する。
  論文  参考訳（メタデータ） (2023-01-14T04:04:12Z)
• The Third International Verification of Neural Networks Competition (VNN-COMP 2022): Summary and Results [9.02791567988691]
  第3回国際ニューラルネットワークコンペティション(VNN-COMP 2022)を要約する。 VNN-COMPは、最先端のニューラルネットワーク検証ツールの公平かつ客観的な比較を容易にするために毎年開催されている。 このレポートは、このコンペティションのこのイテレーションから学んだルール、ベンチマーク、参加ツール、結果、教訓を要約する。
  論文  参考訳（メタデータ） (2022-12-20T15:58:01Z)
• An ensemble of VisNet, Transformer-M, and pretraining models for molecular property prediction in OGB Large-Scale Challenge @ NeurIPS 2022 [48.109627319222334]
  ViSNet Team はテストチェレンジセットで 0.0723 eV の MAE を達成し、昨年のベストメソッドと比較して誤差を 39.75% 削減した。
  論文  参考訳（メタデータ） (2022-11-23T09:12:17Z)
• MogaNet: Multi-order Gated Aggregation Network [61.842116053929736]
  我々は,識別的視覚的表現学習のために,MogaNetと呼ばれる現代ConvNetの新たなファミリーを提案する。 MogaNetは概念的に単純だが効果的な畳み込みをカプセル化し、集約をコンパクトモジュールに集約する。 MogaNetは、ImageNetの最先端のViTやConvNetと比較して、優れたスケーラビリティ、パラメータの大幅な効率、競争性能を示している。
  論文  参考訳（メタデータ） (2022-11-07T04:31:17Z)
• The Second International Verification of Neural Networks Competition (VNN-COMP 2021): Summary and Results [1.4824891788575418]
  本報告では,第2回国際ニューラルネットワークコンペティション(VNN-COMP 2021)を要約する。 競争の目標は、ニューラルネットワークの検証における最先端の手法の客観的比較を提供することである。 このレポートでは、このコンペティションから学んだルール、ベンチマーク、参加ツール、結果、教訓を要約する。
  論文  参考訳（メタデータ） (2021-08-31T01:29:56Z)
• SVSNet: An End-to-end Speaker Voice Similarity Assessment Model [61.3813595968834]
  本研究では、自然言語と合成音声の話者音声類似性を評価するために、最初のエンドツーエンドニューラルネットワークモデルであるSVSNetを提案する。 Voice Conversion Challenge 2018と2020の実験結果は、SVSNetがよく知られたベースラインシステムより優れていることを示している。
  論文  参考訳（メタデータ） (2021-07-20T10:19:46Z)
• Emotion Recognition for In-the-wild Videos [92.01434273996097]
  本稿では, IEEE International Conference on Automatic Face and Gesture Recognition (FG) 2020と共同で開催されているAffective Behavior Analysis in-the-wild competitionの7つの基本的表現分類トラックについて紹介する。 提案手法は,Deep Residual Network (ResNet) とBidirectional Long Short-Term Memory Network (BLSTM) を組み合わせることで,64.3%の精度と43.4%のファイナルメトリックスを実現する。
  論文  参考訳（メタデータ） (2020-02-13T11:29:46Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。