論文の概要: MA-DAR: Manifold-Aligned Dynamic Adaptive Routing for Continual Temporal Knowledge Graph Reasoning
- arxiv url: http://arxiv.org/abs/2607.21949v1
- Date: Fri, 24 Jul 2026 03:52:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 20:58:57.040337
- Title: MA-DAR: Manifold-Aligned Dynamic Adaptive Routing for Continual Temporal Knowledge Graph Reasoning
- Title（参考訳）: MA-DAR:連続時間知識グラフ推論のためのマニフォールド対応動的適応ルーティング
- Abstract要約: 連続時間的知識グラフ(TKG)推論は、獲得した知識を保存しつつ、新たな事実を継続的に組み込むことを目的としている。
リプレイに基づく連続学習は、歴史的表現を再考することで有望なパフォーマンスを達成した。
既存のメソッドは主に再生方法に重点を置いているが、リプレイされた表現が現在の表現とどのように統合されるべきかは概ね見過ごされている。
我々は,表現融合のための軽量なプラグイン・アンド・プレイフレームワークMA-DARを提案する。
- 参考スコア（独自算出の注目度）: 7.320321849678564
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Continual temporal knowledge graph (TKG) reasoning aims to continuously incorporate newly emerging facts while preserving previously acquired knowledge. Replay-based continual learning has achieved promising performance by revisiting historical representations. However, existing methods primarily focus on what to replay, while largely overlooking how replayed representations should be integrated with current ones. Such direct integration often gives rise to two critical forms of representation conflict: \textit{norm domination} and \textit{semantic blurring}, ultimately degrading continual reasoning performance. To address these challenges, we propose MA-DAR (Manifold-Aligned Dynamic Adaptive Routing), a lightweight plug-and-play framework for replay representation fusion. MA-DAR first aligns replayed and current representations onto a shared manifold to alleviate distribution discrepancies. It then employs a dynamic gating mechanism to learn dimension-wise fusion weights, adaptively determining the contribution of replayed and current representations to the fused representation. Furthermore, a polarization regularizer encourages more decisive routing behaviors by discouraging ambiguous gating decisions, resulting in more stable and effective knowledge integration. Extensive experiments on four public continual TKG benchmarks demonstrate that MA-DAR consistently improves the performance of representative TKG encoders while remaining effective under different replay settings. Comprehensive ablation studies and visualization analyses further verify the effectiveness of manifold alignment and dynamic adaptive routing in mitigating representation conflicts and improving continual reasoning.
- Abstract（参考訳）: 連続時間的知識グラフ(TKG)推論は、獲得した知識を保存しつつ、新たな事実を継続的に組み込むことを目的としている。
リプレイに基づく連続学習は、歴史的表現を再考することで有望なパフォーマンスを達成した。
しかし、既存のメソッドは主に再生方法にフォーカスする一方で、リプレイされた表現が現在の表現とどのように統合されるべきかを主に見落としている。
このような直接的な統合は、しばしば2つの重要な表現の衝突を引き起こす: \textit{norm domination} と \textit{semantic blurring} である。
これらの課題に対処するために,表現融合のための軽量なプラグアンドプレイフレームワークMA-DAR(Manifold-Aligned Dynamic Adaptive Routing)を提案する。
MA-DARはまず、共有多様体にリプレイと現在の表現をアライメントし、分散の相違を緩和する。
次に、動的ゲーティング機構を用いて次元的な融合重みを学習し、融合表現に対するリプレイと現在の表現の寄与を適応的に決定する。
さらに、偏極正則化器は、曖昧なゲーティング決定を回避し、より安定的で効果的な知識統合をもたらすことにより、より決定的なルーティング行動を促進する。
4つの公開連続TKGベンチマークの大規模な実験により、MA-DARは、異なるリプレイ設定下で有効でありながら、代表TKGエンコーダの性能を一貫して改善することを示した。
包括的アブレーション研究と可視化分析により、表現競合を緩和し、連続的推論を改善するために、多様体アライメントと動的適応ルーティングの有効性がさらに検証される。
関連論文リスト
- TRAM: Enhancing Multimodal Reasoning with Trajectory-Derived Auxiliary Memory [35.19442792860492]
推論軌道が成長するにつれて、モデルがコンテキスト内で確立された情報の使用において効果が低下する可能性がある。
既存のアプローチは主に、推論を通して視覚的な接地を維持することでこの問題に対処する。
本稿では,TRAM(TRajectory- derived Auxiliary Memory)について紹介する。
論文 参考訳（メタデータ） (2026-08-03T08:57:00Z) - Adaptive Recurrent Message Passing for Test Time Computing on Graphs [80.56829418752513]
繰り返しグラフモデルでは,グラフデータとアーキテクチャ設計の固有のミスマッチを克服できることを示す。
本稿では,アダプティブ・リカレントグラフモデルであるAdaRを提案する。
論文 参考訳（メタデータ） (2026-06-21T12:14:11Z) - RAVEN: Real-time Autoregressive Video Extrapolation with Consistency-model GRPO [53.38929612273108]
因果自己回帰ビデオ拡散モデルは、以前生成されたコンテンツから将来のチャンクを外挿することでリアルタイムストリーミング生成をサポートする。
本稿では,リアルタイム自動回帰ビデオ補間ネットワーク(RAVEN)を紹介した。これは,各自己ロールアウトを,クリーンな歴史的エンドポイントのインターリーブシーケンスに再パッケージするトレーニングタイムテストフレームワークである。
論文 参考訳（メタデータ） (2026-05-14T17:59:30Z) - Continuous-Time Distribution Matching for Few-Step Diffusion Distillation [57.28746398500951]
本稿では,CDM(Continuous-Time Distribution Matching)を導入し,DMDフレームワークを個別アンカーから連続最適化へ移行する。
まず、固定離散スケジュールをランダム長の動的連続スケジュールに置き換える。
第二に、学生の速度場を介して外挿された潜伏者に対してアクティブな軌道外マッチングを行う連続時間アライメント目的を提案する。
論文 参考訳（メタデータ） (2026-05-07T14:56:39Z) - Visual Enhanced Depth Scaling for Multimodal Latent Reasoning [32.211888127924446]
マルチモーダル潜在推論は、明示的なChain-of-Thoughtデコーディングを暗黙的な特徴伝達に置き換える、有望なパラダイムとして登場した。
視覚的認識を協調的に強化し,より深い文脈推論のために複雑な潜伏を洗練するための視覚再生モジュールとルーティング深度スケーリングを提案する。
我々のフレームワークは、さまざまなベンチマークで最先端のパフォーマンスを実現しつつ、明示的なCoTベースラインよりもかなりの推論スピードアップを実現しています。
論文 参考訳（メタデータ） (2026-04-12T07:14:30Z) - Negative-Aware Diffusion Process for Temporal Knowledge Graph Extrapolation [16.301114199423044]
時間的知識グラフ(TKG)推論は、過去の証拠から将来の行方不明の事実を予測しようとするものである。
TKG外挿(NADEx)の負の認識拡散モデル
NADExは、実体、関係、時間間隔の主題中心の履歴をシーケンシャルな埋め込みにエンコードする。
論文 参考訳（メタデータ） (2026-02-09T15:50:56Z) - ReMA: A Training-Free Plug-and-Play Mixing Augmentation for Video Behavior Recognition [11.125637599538988]
Representation-Aware Mixing (ReMA) は,ミキシングを制御された代替プロセスとして定式化するプラグアンドプレイ拡張戦略である。
ReMAは分布制約下でクラス内混合を行い、統計的信頼性を高めながらクラス内ドリフトの無関係を抑える。
どのように、どこでミキシングが適用されるかを共同で制御することで、ReMAは、追加の監督やトレーニング可能なパラメータなしで表現を改善する。
論文 参考訳（メタデータ） (2026-01-01T11:20:19Z) - Align & Invert: Solving Inverse Problems with Diffusion and Flow-based Models via Representational Alignment [13.028121107802127]
逆問題では、事前訓練された生成モデルが先行として使用される。
本稿では,拡散モデルとフローベースモデル間の表現アライメント(REPA)を適用することを提案する。
モデル表現と近似的対象特徴との整合性は、再構成の忠実度と知覚的リアリズムを大幅に向上させることができることを示す。
論文 参考訳（メタデータ） (2025-11-21T00:37:04Z) - Adaptive Redundancy Regulation for Balanced Multimodal Information Refinement [49.596978957463385]
支配的モダリティの長期支配は、表現と出力の結合を弱める。
従来の手法はしばしば、有利なモジュラリティの勾配を直接的に均一に調整する。
バランスの取れたマルチモーダル情報リファインメントに対する適応冗長性制御を提案する。
論文 参考訳（メタデータ） (2025-11-14T04:44:34Z) - Abstain Mask Retain Core: Time Series Prediction by Adaptive Masking Loss with Representation Consistency [4.047219770183742]
時系列予測はエネルギー管理や金融市場といった重要な領域において重要な役割を担っている。
本研究は, 履歴データを適切に切り詰めることによって予測精度を向上させるという, 直感に反する現象を明らかにする。
本稿では,適応的マスキング・ロス(Adaptive Masking Loss)と表現整合性(Representation Consistency)を提案する。
論文 参考訳（メタデータ） (2025-10-22T19:23:53Z) - Sycophancy Mitigation Through Reinforcement Learning with Uncertainty-Aware Adaptive Reasoning Trajectories [58.988535279557546]
適応推論トラジェクトリを用いたtextbf sycophancy Mitigation を提案する。
SMARTは,分布外の入力に対して強い性能を維持しながら,サイコファンティクスの挙動を著しく低下させることを示した。
論文 参考訳（メタデータ） (2025-09-20T17:09:14Z) - EGRA:Toward Enhanced Behavior Graphs and Representation Alignment for Multimodal Recommendation [50.848374648774374]
MMR(MultiModal Recommendation)システムは、リッチな項目側モダリティ情報を活用することで、推奨品質を改善するための有望なソリューションとして登場した。
本稿では,事前学習したMMRモデルにより生成された表現から構築されたアイテム-イムグラフの挙動グラフを組み込んだEGRAを提案する。
また、両レベルの動的アライメント重み付け機構を導入し、モダリティ・ビヘイビアのアライメントアライメントを改善する。
論文 参考訳（メタデータ） (2025-08-22T07:47:54Z) - Multimodal LLM-Guided Semantic Correction in Text-to-Image Diffusion [52.315729095824906]
MLLM Semantic-Corrected Ping-Pong-Ahead Diffusion (PPAD) は,マルチモーダル大言語モデル(MLLM)を推論中の意味的オブザーバとして導入する新しいフレームワークである。
中間世代をリアルタイムに分析し、潜在意味的不整合を識別し、フィードバックを制御可能な信号に変換し、残りの認知ステップを積極的に導く。
大規模な実験ではPPADの大幅な改善が示されている。
論文 参考訳（メタデータ） (2025-05-26T14:42:35Z)
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。