小型・疎なUAV群による重要データの動的ワンタイム配送：MARLスケーリング研究のモデル問題
小型UAV群が重要データを特定位置へ中継する課題を、MARLのスケーリング研究モデルとして提案しました。
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
7241件
PerfCoder：解釈可能なコード性能最適化のための大規模言語モデル
LLMが人間が読める最適化戦略を用いて、コードの性能を向上させる新手法「PerfCoder」が開発されました。
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。
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。
LLMのテスト時計算ゲーム：プロバイダーとユーザーのインセンティブ不一致
LLMサービス市場において、プロバイダーがテスト時計算量を不必要に増やすインセンティブがあることを指摘…
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…