Owen-Shapley方策最適化：生成探索LLMのための原理的な強化学習アルゴリズム
LLMの強化学習において、トークンごとの貢献度を評価する新しいアルゴリズムが開発されました。
AI&Tech、もう追いかけなくていい。
30秒で読めるニュースダイジェスト
LLM
3282件
E-mem：LLMエージェントの記憶のためのマルチエージェント型エピソード文脈再構築
LLMエージェントが高度な推論を行うための新しい記憶フレームワーク「E-mem」が提案されました。
BioAgent Bench: バイオインフォマティクス向けAIエージェント評価スイート
バイオインフォマティクス分野のAIエージェント性能を評価するベンチマーク「BioAgent Bench」が発表され…
プロセス検証可能な思考データ合成とスケジューリングによる時系列推論特化型LLM「VeriTime」
時系列データに特化したLLM推論フレームワーク「VeriTime」が開発され、高い推論性能を実現しました。
事実の正確性を超えて：説明可能な推薦における嗜好と矛盾する説明の軽減
LLMベースの推薦システムが、ユーザーの過去の嗜好と矛盾する説明を生成する問題を解決するフレームワーク…
MineEvolve：蓄積された知識による自己進化型Minecraftエージェント
Minecraft環境で、エージェントが過去の経験から学習し、自己進化するフレームワーク「MineEvolve」が開発…
システムソフトウェア検証を拡張するニューロシンボリック証明生成
LLMと形式検証ツールを組み合わせたニューロシンボリックフレームワークが、システムソフトウェアの自動証…
ラルフ・ウィガムを監督する：工学設計のためのメタ認知共同規制エージェントAIループの探求
LLMエージェントが設計課題で陥る「固着」を、メタ認知による自己・共同規制で克服するAIシステムが開発さ…
静的なスナップショットを超えて：エージェント型言語モデルのための実証的評価フレームワーク
エージェント型LLMの評価における既存の課題を解決する新しい評価フレームワーク「Grounded Continuous Ev…
FutureWorld: 実世界の結果報酬を用いた予測エージェント向けライブ強化学習環境
実世界の出来事を予測するAIエージェントの性能を向上させるための新しい強化学習環境「FutureWorld」が発…
WaferSAGE：合成データ生成とルーブリック誘導型強化学習によるLLMを活用したウェーハ欠陥分析
半導体製造におけるウェーハ欠陥の視覚的質問応答を、小規模な視覚言語モデルで実現するフレームワークが…
AEM：マルチターンエージェント強化学習のための適応的エントロピー変調
LLMエージェントの強化学習において、報酬が少ない環境でも効率的に学習できる新手法「AEM」が開発されま…