Optimal Transport for LLM Reward Modeling from Noisy Preference
LLMの報酬モデル学習において、ノイズの多い人間からのフィードバックを最適輸送理論で効率的に処理する新…
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
7458件
TFM-Retouche: A Lightweight Input-Space Adapter for Tabular Foundation Models
表形式データ向け基盤モデルの性能を向上させる軽量な入力空間アダプター「TFM-Retouche」が発表されまし…
Causal Reinforcement Learning for Complex Card Games: A Magic The Gathering Benchmark
複雑なカードゲーム「マジック：ザ・ギャザリング」をベンチマークとした因果強化学習の新しいテスト環境…
Normalized Architectures are Natively 4-Bit
nGPTという正規化されたLLMアーキテクチャが、4ビット精度で安定して学習できることが示されました。
Milestone-Guided Policy Learning for Long-Horizon Language Agents
長期間にわたる複雑なタスクをこなす言語エージェントの学習効率を大幅に向上させる新フレームワーク「BEA…
VISD: Enhancing Video Reasoning via Structured Self-Distillation
動画理解LLMの推論能力を向上させる「VISD」という新しい学習フレームワークが発表されました。
CredibleDFGO: Differentiable Factor Graph Optimization with Credibility Supervision
GNSS測位の信頼性を高めるCredibleDFGOが、都市部での位置推定精度と不確実性評価を改善しました。
Beyond Autoregressive RTG: Conditioning via Injection Outside Sequential Modeling in Decision Transformer
Decision TransformerのRTGをシーケンスから外し、状態表現に注入する「SlimDT」が提案されました。
Schedule-and-Calibrate: Utility-Guided Multi-Task Reinforcement Learning for Code LLMs
コードLLM向けに、タスクの有用性に基づいた強化学習フレームワーク「ASTOR」が開発されました。
Dynamic Pondering Sparsity-aware Mixture-of-Experts Transformer for Event Stream based Visual Object Tracking
イベントカメラを用いた物体追跡で、動的に処理深度を調整し精度と効率を両立する新手法が提案されました。
Continuous Expert Assembly: Instance-Conditioned Low-Rank Residuals for All-in-One Image Restoration
画像劣化の種類を問わず、単一モデルで高精度な画像復元を実現する新手法「CEA」が発表されました。
BUILD-AND-FIND: An Effort-Aware Protocol for Evaluating Agent-Managed Codebases
AIエージェントが生成したコードベースの品質を、後続エージェントによる情報回復の容易さで評価する新プ…