RLVRにおける暗黙的な報酬の過学習と低ランクダイナミクスについて
RLVR（検証可能な報酬による強化学習）が訓練データに暗黙的に過学習する現象が発見されました。
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
最新ニュース
7479件
Sparkle：指示に基づく動画背景置換を鮮やかに実現するデカップリングガイダンス
動画の背景を自然言語の指示で置き換えるための大規模データセットとモデル「Sparkle」が発表されました。
連続潜在拡散言語モデル「Cola DLM」
新しい言語モデル「Cola DLM」が、階層的な潜在拡散アプローチでテキスト生成の効率と品質を向上させまし…
協調性が重要：協調型マルチエージェント強化学習の評価
協調型マルチエージェント強化学習の評価において、単なる結果だけでなく、エージェント間の協調メカニズ…
GONOフレームワーク：方向性の一貫性を補完的な最適化シグナルとして活用
深層学習の最適化において、勾配の方向性の一貫性と損失収束が分離しうる現象が特定されました。
グラフマッチングにおける距離忠実なニューラルネットワークの探求
グラフ構造の類似度を測るグラフ編集距離（GED）を、ニューラルネットワークでより正確に推定する研究が発…
DINORANKCLIP：高次ランキング一貫性による視覚言語事前学習のためのDINOv3蒸留と注入
DINORANKCLIPは、CLIPの弱点を克服し、視覚言語モデルの性能を向上させる新しい事前学習フレームワークで…
マルチエージェント強化学習によるクロスモーダルナビゲーション
複数の感覚モダリティを統合するマルチエージェント強化学習フレームワーク「CRONA」が提案されました。
UniSD：大規模言語モデル向け統合自己蒸留フレームワーク
大規模言語モデル（LLM）の性能を向上させる自己蒸留の統合フレームワーク「UniSD」が提案されました。
Patch2Vuln: Linuxディストリビューションのバイナリパッチから脆弱性をエージェントが再構築
AIエージェントがLinuxバイナリパッチから脆弱性のセキュリティ上の意味を再構築する研究が発表されました…
AI CFDサイエンティスト：物理認識AIエージェントによる計算流体力学のオープンエンドな発見に向けて
AIが計算流体力学（CFD）の科学的発見プロセスを自動化する「AI CFDサイエンティスト」が開発されました。
アテンションシンクの構造的起源：分散の不一致、スーパーニューロン、次元の不均衡
LLMで初期トークンがアテンションを独占する「アテンションシンク」現象の構造的起源が解明されました。