本記事は Google Research Blog: Graph Foundation Models for Relational Data の解説記事です。 ブログ概要（Summary） Google Researchは2025年7月、リレーショナルデータベースのテーブルをグラフに変換し、グラフファウンデーションモデル（GFM）で処理するアプローチを発表した。著者ら（Michael G...

本記事は Fine-tuning LLMs with user-level differential privacy の解説記事です。 ブログ概要（Summary） Google Researchの研究者Arun GaneshとZachary Charlesは、LLMのファインチューニングにユーザーレベル差分プライバシー（User-Level DP）を適用する手法を発表した（2025年5...

本記事は Moirai 2.0: When Less Is More for Time Series Forecasting (arXiv:2511.11698) の解説記事です。 論文概要（Abstract） Moirai 2.0は、Salesforce AI Researchが開発した時系列ファウンデーションモデル（TSFM）であり、前身のMoirai 1.0/MoEから大幅...

本記事は arXiv:2505.14415 “Table Foundation Models: On Knowledge Pre-training for Tabular Learning” の解説記事です。 論文概要（Abstract） 本論文は、テーブルデータ基盤モデル（Tabular Foundation Model: TFM）におけるセマンティック知識事前学習の重要性を分析した研...

本記事は PEGASUS: Bridging Polynomial and Non-polynomial Evaluations in Homomorphic Encryption (arXiv:2401.16255) の解説記事です。 論文概要（Abstract） ニューラルネットワークのFHE推論において、線形層（行列乗算）はCKKSスキームで効率的に処理できるが、非線形活性化関数（...

本記事は Multivariate Time-Series Anomaly Detection based on Enhancing Graph Attention Networks with Topological Analysis の解説記事です。 論文概要（Abstract） TopoGDN（Topological Graph Detection Network）は、多変量時系列の...

本記事は AnyGraph: Graph Foundation Model in the Wild（arXiv:2408.10700） の解説記事です。 論文概要（Abstract） AnyGraph（Xia & Huang, 2024）は、Mixture-of-Experts（MoE）アーキテクチャを採用した汎用グラフファウンデーションモデルである。著者らは、グラフドメインにお...

本記事は The Future of Fully Homomorphic Encryption (arXiv:2511.04946) の解説記事です。 論文概要（Abstract） 本論文はFHE（準同型暗号）の現状を体系的に整理し、今後5〜10年の技術ロードマップを提示するサーベイ/ポジションペーパーである。著者らは、4世代のFHEスキーム（BGV、BFV、TFHE、CKKS）の理論的...

本記事は GIFT-Eval: A Benchmark For General Time Series Forecasting Model Evaluation (arXiv:2410.10393) の解説記事です。 論文概要（Abstract） GIFT-Eval（General Time Series Forecasting Model Evaluation）は、Salesf...

本記事は FedKSeed: Federated Learning via Zeroth-Order Optimization on Low-dimensional Subspace の解説記事です。 論文概要（Abstract） FedKSeedは、勾配（gradient）を一切クライアントからサーバーに送信せず、乱数シード（整数値）のみを通信する連合学習手法である。著者らは、ゼロ次最...