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…
研究
4556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…
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。
Logic-Regularized Verifier Elicits Reasoning from LLMs
LLMの推論能力を向上させる、論理規則で正規化された教師なし検証器「LOVER」が開発されました。
Quantum Kernels for Audio Deepfake Detection Using Spectrogram Patch Features
量子カーネルを用いた音声ディープフェイク検出手法「Q-Patch」が提案されました。
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…
A Fine-Grained Understanding of Uniform Convergence for Halfspaces
半空間における一様収束の挙動を、従来のVC理論を超えて詳細に分析した研究が発表されました。
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。