暗黙的圧縮正則化：強化学習後訓練における内部の短い分布による簡潔な推論
強化学習で訓練されたLLMの推論において、不必要に長い応答を短縮しつつ精度を維持・向上させる新手法が提…
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
7103件
LLMベースの定性的・定量的評価による常微分方程式の発見
LLMを活用し、観測データから常微分方程式を自動的に発見する新しい手法「DoLQ」が提案されました。
連続フローとしてのツールがエージェント的推論を進化させる
LLMがツールを連携させる際、連続的なフローとして扱うことで、推論の精度と汎用性を向上させる新手法「Fl…
信頼度認識アライメントで推論LLMの信頼性が向上
LLMが推論過程の信頼度を自己評価し、誤った中間ステップを修正する新手法が開発されました。
GraphReAct：多段階グラフ推論のための推論と行動
LLMがグラフデータ上で多段階推論を行うための「GraphReAct」フレームワークが提案されました。
事後サンプリングを用いたオフライン方策最適化
モデルベースのオフライン強化学習において、汎化性能とロバスト性の両立を目指す新しい手法「PSPO」が提…
表現力豊かな記述論理のための有界適合
表現力豊かな記述論理の概念学習において、有界適合という手法が実用的なアプローチとして有効であること…
マルチモーダルモデルの効率的なデータ選択：増分最適化ユーティリティによるアプローチ
マルチモーダルモデルの学習データ選択を効率化する「One-Step-Train（OST）」フレームワークが発表されま…
LiteGUI: 強化学習でコンパクトなGUIエージェントを蒸留
軽量でオンデバイスのGUIエージェントを開発するため、強化学習を用いた新しい学習パラダイムが提案されま…
確率的探索による微分可能シミュレータでのモデル駆動型方策最適化
微分可能なシミュレータにおいて、確率的探索を導入することで、方策最適化の性能を向上させる新しいフレ…
実現可能から実用的へ：パレート最適合成計画
化学合成計画において、複数の競合する目的をバランスさせるための新しいAIアルゴリズム「MORetro*」が開…
有限期間目標を持つ多環境POMDP
部分観測マルコフ決定過程（POMDP）の多環境版において、有限期間目標に対する最適方策と価値を計算する研…