大規模言語モデル評価のための解釈可能でスケーラブルなフレームワーク
大規模言語モデル（LLM）の評価において、従来のベンチマークの課題を解決する新しいフレームワークが提案…
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
3256件
GSM-SEM：意味的に多様なデータ拡張を生成するベンチマークとフレームワーク
LLMの数学的推論能力を評価する新しいベンチマーク「GSM-SEM」が発表されました。
MedExAgent：ノイズの多い臨床環境で質問、検査、診断を行うLLMエージェントの訓練
LLMエージェントが患者との対話や検査を通じて、ノイズの多い臨床環境で診断を行う手法が開発されました。
共同オーディオ・ビデオ生成モデルは物理を理解しているのか？
共同オーディオ・ビデオ生成モデルが物理法則を理解しているかを評価するベンチマーク「AV-Phys Bench」が…
Dr. Post-Training: LLM後学習におけるデータ正則化の視点
LLMの後学習において、希少な高品質データと大量の汎用データを効率的に活用する新しいフレームワークが提…
Causal EpiNets: エピステミックニューラルネットワークを用いた個別治療効果の精度補正された範囲推定
個別治療効果の推定において、従来の推定器が抱える構造的制約違反と極値バイアスを解決する新しいニュー…
WiCER：LLMウィキシステム向け反復的知識コンパイル手法
LLMがドメイン知識を効率的に利用するための反復的知識コンパイルアルゴリズム「WiCER」が開発されました。
翻訳税はスカラーではない：中国語多言語ベンチマークにおける英語ソースキュー継承の反事実監査
英語から中国語に翻訳されたLLMベンチマークの評価において、「翻訳税」が単一の数値ではないことが示され…
LoRAと完全ファインチューニングの先へ：勾配誘導型オプティマイザルーティングによるLLM適応
LLMのファインチューニングにおいて、LoRAと完全ファインチューニングの利点を組み合わせる新手法が提案さ…
RRCM：LLM推薦のための協調的・メタ記憶に基づくランキング駆動型検索
LLMベースの推薦システムにおいて、協調的行動とアイテムメタデータを活用し、ランキング品質を最大化する…
Region4Web: Webエージェントの観測空間粒度再考
WebエージェントがWebページを理解する際の観測空間の粒度を、要素レベルから機能領域レベルに再構築する…
LLM推論のための適応型負の強化学習：RLVRにおける修正と多様性の動的バランス
LLMの推論能力向上を目指し、誤った推論ステップへの罰則を動的に調整する新しい強化学習手法が提案されま…