## 要約：
特徴空間と分類器重み空間間の明瞭なずれAlignmentがNC現象の出現を阻害していることが示され、これに対処した3つの具体的なアラインメント戦略が提案された。
---
## 翻訳：
最近のニューラルコラプション（NC）に関する研究では、クラスバランス条件下ではクラス特徴平均と分類器重みが自発的に単純形等角緊密フレーム（ETF）に整列するということが明らかになった。しかし長尾状況では、深刻なサンプルの偏りがNC現象の出現を防ぎ、一般化性能が低下する傾向がある。現在の手法は主に特徴量または分類器重みに対する制約を課し、ETF幾何学を回復しようとするが、特徴空間と分類器重空間間の明瞭なずれという重要な問題を見落としている。本論文ではこのずれによる損失を理論的に定量化し、既存の長尾手法にアーキテクチャ変更なしで組み込むことができる3つの具体的なアラインメント戦略を提案している。CIFAR-10-LT, CIFAR-100-LT, ImageNet-LTデータセットでの実験結果は、これらの戦略が検討された基線を大幅に向上させ、最適性能を達成することを示した。
[📰 原文はこちら](https://arxiv.org/abs/2512.07844)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
