P^2O: 方策とプロンプトの共同最適化
LLMの推論能力を向上させる「P^2O」という新しい学習手法が開発されました。
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
研究
4551件
強化学習における非マルコフ観測検出のための予測ベースのマルコフ違反スコア
強化学習の観測データがマルコフ性を満たさない場合に、それを検出する新しいスコア「MVS」が提案されまし…
ニューラルネットワーク訓練における相転移のスペクトルエッジダイナミクス：分析的・経験的研究
ニューラルネットワークの訓練における相転移現象が、パラメータ更新のグラム行列のスペクトルギャップに…
バイリンガルBabyLMの育成：小規模モデルを用いた多言語習得の研究
小規模なGPT-2モデルを使い、多言語環境での言語習得をシミュレートする研究が行われました。
スクリーニングで十分：新しい言語モデルアーキテクチャ「Multiscreen」
新しい言語モデルアーキテクチャ「Multiscreen」が、従来のTransformerよりも効率的で安定した性能を示し…
StableTTA：訓練不要なテスト時適応手法で画像モデルの性能を向上
StableTTAは、訓練不要なテスト時適応手法により、画像認識モデルの予測性能を向上させます。
MAT-Cell：バッチレベル単一細胞アノテーションのためのマルチエージェントツリー構造推論フレームワーク
MAT-Cellは、LLMとマルチエージェント推論を組み合わせ、単一細胞の自動アノテーション精度を向上させるフ…
周波数強調拡散モデル：ゼロショット骨格動作認識のためのカリキュラムガイド型意味アライメント
拡散モデルのスペクトルバイアスを克服し、ゼロショット骨格動作認識の性能を向上させる新手法が発表され…
DeEscalWild: SLMによる自動エスカレーション解除訓練のための実世界ベンチマーク
警察官のエスカレーション解除訓練を目的とした、実世界の警察と市民の対話データセット「DeEscalWild」が…
SSMamba：病理画像分類のための自己教師ありハイブリッド状態空間モデル
病理画像診断において、自己教師あり学習とハイブリッド状態空間モデルを組み合わせた「SSMamba」が開発さ…
報酬スコアマッチング：フロー・拡散モデル向け報酬ベース微調整の統一フレームワーク
フローモデルと拡散モデルの報酬ベース微調整手法を「報酬スコアマッチング（RSM）」という共通フレームワ…
潜在的抽象化による検索拡張生成
単一のLLMが潜在空間内でエンコーディング、検索、生成を統合する新しいRAGフレームワーク「LAnR」が提案…