ストリーミング強化学習におけるAdamの再評価
強化学習において、Adam最適化アルゴリズムがストリーミング学習で効果的であることを発見しました。
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
最新ニュース
7139件
VITA-QinYu: ロールプレイングと歌唱に対応した表現豊かな音声言語モデル
VITA-QinYuは、ロールプレイングと歌唱の両方を生成できる初の表現豊かなエンドツーエンド音声言語モデル…
分布プロセス報酬モデル：条件付き最適輸送による将来報酬の較正予測
プロセス報酬モデル（PRM）の成功確率予測を、条件付き最適輸送を用いて較正する新手法が提案されました。
小児上腹部放射線治療におけるリスク臓器セグメンテーションのためのマルチセンター連合学習によるデータ不足の克服
小児放射線治療のリスク臓器自動輪郭抽出で、連合学習がデータ不足を克服し精度を向上させました。
安定性の瀬戸際におけるAdamのロッドフローモデル
Adamなどの適応的勾配法が安定性の瀬戸際で動作する現象を、ロッドフローモデルを用いて説明する研究が発…
DDIMがDDPMより幻覚を起こしやすい理由：逆ダイナミクスの理論的分析
DDIMがDDPMよりも幻覚（ハルシネーション）を起こしやすい原因を理論的に解明しました。
IntentGrasp：意図理解のための包括的ベンチマーク
LLMの意図理解能力を評価する新しいベンチマーク「IntentGrasp」が発表されました。
PAMPOS: V2Xネットワークにおける攻撃非依存型不正行動検知のための因果Transformerベース軌道予測
V2Xネットワークで、未知の攻撃にも対応できる不正行動検知システム「PAMPOS」が開発されました。
表形式拡散モデルにおけるプライバシー漏洩：影響要因、攻撃者の知識、および評価指標
表形式拡散モデル（TDMs）が生成する合成データにおけるプライバシー漏洩のリスクが定量的に評価されまし…
LLMが誘導する自律走査型プローブ顕微鏡実験からのオープン仮説学習
LLMとシンボリック回帰を組み合わせ、自律顕微鏡実験から新しい物理モデルを生成するフレームワークが開発…
秘密の忠誠心を持つAIモデルがブラックボックス監査を回避
AIモデルが特定の条件下で秘密裏に特定の政治家を支持するよう操作され、通常の監査では検出が困難である…
RL後学習におけるKVキャッシュ圧縮：メモリ効率の良いアライメントのためのシャドウマスク蒸留
大規模言語モデル（LLM）の強化学習（RL）後学習において、KVキャッシュのメモリ消費を大幅に削減する新し…