報酬スコアマッチング：フロー・拡散モデル向け報酬ベース微調整の統一フレームワーク
フローモデルと拡散モデルの報酬ベース微調整手法を「報酬スコアマッチング（RSM）」という共通フレームワ…
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
7516件
潜在的抽象化による検索拡張生成
単一のLLMが潜在空間内でエンコーディング、検索、生成を統合する新しいRAGフレームワーク「LAnR」が提案…
自己回帰シーケンスモデリングによる患者臨床経過における欠損モダリティの処理と解釈
患者の臨床データにおける欠損モダリティを、自己回帰シーケンスモデリングとLLMの因果デコーダーで処理す…
オフポリシー強化学習における批評家学習のための低ランク適応
オフポリシー強化学習において、批評家学習の過学習と不安定性を低ランク適応（LoRA）で解決する手法が提…
AIエージェントによる情報集約
AIエージェントが予測市場で取引し、分散した私的情報を集約する能力を実験で検証しました。
ささやき声による話者認識を後処理で強化
ささやき声でも高精度に個人を識別できる話者認識システムが開発されました。
共同マルチタスク学習による科学教室の議論分析強化：推論要素分類
AIが科学教室における生徒と教師の発話を自動分析し、推論パターンを分類するシステムが開発されました。
Mochi: メタ学習による効率的なグラフ基盤モデルのための事前学習と推論の整合
Mochiは、メタ学習フレームワークを採用し、グラフ基盤モデルのタスク統合と訓練効率を向上させました。
asRoBallet：摩擦認識強化学習による不足駆動球体ダイナミクスのSim2Realギャップ解消
人間型ボールボットに強化学習による初の歩行ポリシーが実装され、シミュレーションから実機へのゼロショ…
モデルはどのくらいの速さで教師信号にコミットすべきか？Tsallis損失連続体を用いた推論モデルの学習
推論モデルの学習におけるSFT-then-RLVRの有効性を、Tsallis q-対数を用いた統一的な損失関数で理論的に説…
非同期ノイズ除去によるビデオ事前学習を用いた統一4D世界行動モデリング
ロボットの行動実行と高忠実度な4D世界合成を両立する統一4D世界モデル「X-WAM」が開発されました。
ANCORA: 検証可能な推論のための多様体アンカー型自己対戦による質問学習
AIが人間による正解なしに、検証可能な問題を生成し、解決し、自己改善する新しい学習パラダイムが提案さ…