文脈に応じたルーブリック報酬による交互強化学習：スカラー化戦略を超えて
多次元のルーブリック報酬をスカラー化せず、交互に最適化する新しい強化学習フレームワークが提案されま…
LLM
5553件
強化学習における制御可能な要素の発見：介入的境界発見
強化学習エージェントが制御できる観測空間の次元を、介入的境界発見（IBD）という手法で特定しました。
時間的抽象化による順方向-逆方向表現におけるスペクトル整合
連続空間における後続表現学習で、時間的抽象化がスペクトル不整合を緩和するメカニズムとして機能するこ…
長尺動画理解のための適応的欲張りフレーム選択
長尺動画の質問応答において、入力フレーム数を最適化する新しいフレーム選択手法が提案されました。
言語モデルにおける認識論的観測可能性
主要な大規模言語モデルが、誤った情報を生成する際に最も高い自信を示すことが判明しました。
圧縮トランスフォーマーにおける構造的感度：相対誤差伝播と層の削除
大規模言語モデルの圧縮時に生じる誤差の伝播メカニズムを解明し、効率的な圧縮戦略を提案しました。
P^2O: 方策とプロンプトの共同最適化
LLMの推論能力を向上させる「P^2O」という新しい学習手法が開発されました。
ニューラルネットワーク訓練における相転移のスペクトルエッジダイナミクス：分析的・経験的研究
ニューラルネットワークの訓練における相転移現象が、パラメータ更新のグラム行列のスペクトルギャップに…
バイリンガルBabyLMの育成：小規模モデルを用いた多言語習得の研究
小規模なGPT-2モデルを使い、多言語環境での言語習得をシミュレートする研究が行われました。
スクリーニングで十分：新しい言語モデルアーキテクチャ「Multiscreen」
新しい言語モデルアーキテクチャ「Multiscreen」が、従来のTransformerよりも効率的で安定した性能を示し…
MAT-Cell：バッチレベル単一細胞アノテーションのためのマルチエージェントツリー構造推論フレームワーク
MAT-Cellは、LLMとマルチエージェント推論を組み合わせ、単一細胞の自動アノテーション精度を向上させるフ…
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…