反例ゲーム：言語モデルにおける反復的な概念分析と修正
言語モデルが哲学的概念の定義を反例を用いて反復的に分析・修正する能力を研究しました。
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
5566件
臨床LLMにおける安全性と精度は異なるスケーリング法則に従う
臨床LLMの安全性と精度が、モデル規模の拡大とは異なる法則で変化することが判明しました。
閉ループ視覚言語計画によるマルチエージェント協調
VLMを活用し、複数のAIエージェントが協調して行動する新たなフレームワーク「COMPASS」が開発されました。
正規化フローと幾何学を考慮したクラーマー代理を用いたパラメータ効率の良い分布型強化学習
分布型強化学習において、正規化フローと新しい距離指標を使い、パラメータ効率を大幅に向上させる手法「N…
エージェント型出版：思考する大規模言語モデル時代の科学出版再設計
大規模言語モデル（LLM）を活用し、論文を対話型知識システムに変える「エージェント型出版」の概念が提案…
エージェントは認識論的に必要な場合にのみ外部ツールを呼び出すべき
LLMベースのエージェントが外部ツールを使用する際の原則として、「認識論的に必要な場合のみ」という基準…
VCBench：ベンチャーキャピタルにおけるLLMのベンチマーク
ベンチャーキャピタル分野で創業者の成功を予測する初のLLM向けベンチマーク「VCBench」が発表されました。
HiMAC：長期的LLMエージェントのための階層的マクロ・ミクロ学習
LLMエージェントが長期的タスクで計画と実行を分離する新しい階層的学習フレームワーク「HiMAC」が開発さ…
ソフトトーナメント均衡：LLMエージェント評価の新フレームワーク
LLMなどの汎用AIエージェントの非推移的な相互作用を評価する新しいフレームワークが発表されました。
HiL-Bench：AIエージェントはいつ助けを求めるべきかを知っているか？
AIエージェントが自律的に行動すべきか、助けを求めるべきかを判断する能力を測る新しいベンチマーク「HiL…
HWE-Bench: 実世界のハードウェアバグ修正タスクにおけるLLMエージェントのベンチマーク
LLMエージェントが実際のハードウェアバグを修正する能力を評価する大規模ベンチマーク「HWE-Bench」が発…
Poly-EPO：探索的推論モデルの学習
言語モデルが多様な推論戦略を探索し、より正確な応答を生成する新しい学習フレームワーク「Poly-EPO」が…