教師なし視覚トレースからリフトされた行動モデルを学習
AIが行動モデルを、行動の観察なしに視覚情報のみから学習する新しいフレームワークが提案されました。
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
最新ニュース
7494件
FutureWorld: 実世界の結果報酬を用いた予測エージェント向けライブ強化学習環境
実世界の出来事を予測するAIエージェントの性能を向上させるための新しい強化学習環境「FutureWorld」が発…
WaferSAGE：合成データ生成とルーブリック誘導型強化学習によるLLMを活用したウェーハ欠陥分析
半導体製造におけるウェーハ欠陥の視覚的質問応答を、小規模な視覚言語モデルで実現するフレームワークが…
AEM：マルチターンエージェント強化学習のための適応的エントロピー変調
LLMエージェントの強化学習において、報酬が少ない環境でも効率的に学習できる新手法「AEM」が開発されま…
エージェントAIのオーケストレーションはベイズ一貫性を持つべきである
エージェントAIシステムにおいて、LLMとツールを連携させる制御層にベイズの原理を適用すべきだと提唱され…
強化学習LLM進化的探索によるザランキェヴィッチ数の新たな限界
LLMを用いた進化的探索により、ザランキェヴィッチ数の正確な値3つと、41個の下限が新たに発見されました。
GR-Ben：プロセス報酬モデルの汎用推論評価ベンチマーク
プロセス報酬モデル（PRM）の推論エラー検出能力を評価する新しいベンチマーク「GR-Ben」が発表されました…
マルチモーダル推論のためのセグメントアラインド方策最適化
LLMのマルチモーダル推論において、推論ステップに合わせた新しい強化学習手法「SAPO」が提案されました。
ANGOFA：アンゴラ言語モデルのためのOFA埋め込み初期化と合成データの活用
アンゴラの低リソース言語向けに、OFA埋め込み初期化と合成データを活用した新しい言語モデル「ANGOFA」が…
絡み合わない生成グラフ表現学習
グラフ表現学習において、絡み合った表現の問題を解決する新しい自己教師あり学習フレームワーク「DiGGR」…
AI向けオークションベース規制メカニズム
AIの安全性、バイアス、法的問題を解決するため、オークションベースの新しい規制メカニズムが提案されま…
DeTrigger：連合学習におけるバックドア攻撃緩和のための勾配中心アプローチ
連合学習環境でモデルに仕込まれたバックドア攻撃を、勾配分析を用いて効率的に検出し緩和する新手法「DeT…