Beyond Accuracy: Policy Invariance as a Reliability Test for LLM Safety Judges
LLMによる安全評価の信頼性を測る「ポリシー不変性」という新たな評価基準が提案されました。
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
2294件
Post Reasoning: Improving the Performance of Non-Thinking Models at No Cost
LLMが回答生成後に理由付けを行う「Post-Reasoning」により、性能を向上させる新手法が提案されました。
BioMedArena: An Open-source Toolkit for Building and Evaluating Biomedical Deep Research Agents
バイオメディカル分野のAI研究エージェント構築・評価のためのオープンソースツールキット「BioMedArena」…
Rethinking Adapter Placement: A Dominant Adaptation Module Perspective
LoRAアダプターの最適な配置を特定し、単一アダプターで性能を向上させる新手法が提案されました。
Event-Causal RAG: A Retrieval-Augmented Generation Framework for Long Video Reasoning in Complex Scenarios
Event-Causal RAGが、超長尺動画の因果関係推論を可能にする新しいフレームワークを発表しました。
OPSD Compresses What RLVR Teaches: A Post-RL Compaction Stage for Reasoning Models
OPSDが思考を伴う数学的推論モデルの応答を短縮し、精度を維持する圧縮メカニズムとして機能することが示…
Systematic Evaluation of Large Language Models for Post-Discharge Clinical Action Extraction
退院時指示書からの臨床行動抽出において、LLMの性能が体系的に評価されました。
The Granularity Axis: A Micro-to-Macro Latent Direction for Social Roles in Language Models
LLMが社会的な役割の粒度を内部表現として持っていることを発見しました。
Towards Annotation-Free Validation of MLLMs: A Vision-Language Logical Consistency Metric
マルチモーダルLLMの評価に、アノテーション不要な論理的整合性指標「VL-LCM」が提案されました。
Beyond Fixed Benchmarks and Worst-Case Attacks: Dynamic Boundary Evaluation for Language Models
LLMの評価において、固定ベンチマークの限界を克服する新しい動的評価手法「DBE」が提案されました。
Joint Consistency: A Unified Test-Time Aggregation Framework via Energy Minimization
LLMの推論結果を統合する新しいフレームワーク「Joint Consistency」が発表されました。
A Versatile AI Agent for Rare Disease Diagnosis and Risk Gene Prioritization
希少疾患の診断とリスク遺伝子特定を支援する多機能AIエージェント「Hygieia」が開発されました。