DT-PBO：選好ベイズ最適化のための解釈可能なツリーベース代理モデル
選好ベイズ最適化（PBO）において、解釈性の高いツリーベースの代理モデル「DT-PBO」が提案されました。
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
研究
3323件
思考連鎖は本当に説明可能性ではないのか？ヒントの言語化なしでも忠実であり得る
LLMの思考連鎖（CoT）が、プロンプトで与えられたヒントを言語化しなくても、予測に忠実である可能性が示…
SB-TRPO：厳格な制約を持つ安全な強化学習に向けて
強化学習において、厳格な安全制約をほぼゼロの違反で満たしつつタスクを達成する新アルゴリズム「SB-TRPO…
スクリプト感度：ユニコード、ローマ字、混合スクリプトのシンハラ語における言語モデルのベンチマーク
シンハラ語の言語モデルが、ユニコード、ローマ字、混合スクリプトで性能が大きく異なることが判明しまし…
Q-Probe：コンテキスト認識型エージェントプロービングによる高解像度画像品質評価のスケーリング
高解像度画像における微細な劣化を評価するため、強化学習ベースの新しい画像品質評価フレームワーク「Q-P…
LLMによる人間の動機付けられた推論研究の再現
LLMが人間の「動機付けられた推論」を再現できるかどうかの研究が行われました。
拡散サンプリングのためのART：タイムステップスケジュールの強化学習アプローチ
拡散モデルの画像生成において、強化学習を用いてタイムステップの最適化手法「ART-RL」が開発されました。
R-GTD：特異な状況下における勾配時間差学習の幾何学的解析
勾配時間差学習（GTD）アルゴリズムの特異な状況での不安定性を解決するR-GTDが提案されました。
MirrorMark：マルチビットLLMウォーターマーキングのための汎用的なミラーリングサンプリング
LLM生成コンテンツの信頼性確保のため、マルチビットのウォーターマークを埋め込む新手法「MirrorMark」が…
複雑な線形力学系のためのスペクトルフィルタリング
セクター境界スペクトルを持つ複素線形力学系を学習する新しい手法が発表されました。
PAIR-Former: 予算制約付き関係性マルチインスタンス学習による機能的miRNA標的予測
計算コストを抑えつつ、miRNAとmRNAの機能的標的関係を予測する新しいAIモデル「PAIR-Former」が開発され…
ESSAM：メモリ効率の高いLLMファインチューニングのための強化学習における新しい競合的進化戦略アプローチ
LLMのファインチューニングにおいて、GPUメモリ使用量を大幅に削減する新手法「ESSAM」が開発されました。