Home
0h-n0 TechBLog
キャンセル

✍️ Google Research解説: リレーショナルデータのためのグラフファウンデーションモデル

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...

✍️ Google Research解説: ユーザーレベル差分プライバシーによるLLMファインチューニング

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...

📄 論文解説: TARTE — セマンティック知識事前学習によるテーブル基盤モデル

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...

📄 論文解説: PEGASUS — CKKSとTFHEを橋渡しするFHE非多項式関数評価手法

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(...

📄 論文解説: AnyGraph — Mixture-of-Expertsによる汎用グラフファウンデーションモデル

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...

📄 論文解説: The Future of Fully Homomorphic Encryption — FHEの現状・課題・ロードマップ

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...

📄 論文解説: FedKSeed — ゼロ次最適化による勾配不要の連合LLMファインチューニング

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...