連続強化学習のための演算子ガイド不変性学習
連続強化学習において、価値を保持する構造を自動で発見し、学習効率と安定性を向上させる新手法が提案さ…
研究
4555件
PACZero: 符号量子化による言語モデルのPACプライベートファインチューニング
言語モデルのファインチューニングにおいて、メンバーシップ推論攻撃に強い新しいプライバシー保護手法「P…
研究成果物のセキュリティに関する考察
研究成果物には潜在的なセキュリティリスクが含まれており、その評価手法が提案されました。
1層で十分か？表形式基盤モデルにおける推論ダイナミクスの理解
Transformerベースの表形式基盤モデルの推論メカニズムを大規模に分析し、層ごとの冗長性を発見しました。
カット学習：ベンダー分解のための強化学習
強化学習を用いて、二段階確率計画問題のベンダー分解におけるカット選択を最適化するフレームワークが提…
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。
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…