エージェントは認識論的に必要な場合にのみ外部ツールを呼び出すべき
LLMベースのエージェントが外部ツールを使用する際の原則として、「認識論的に必要な場合のみ」という基準…
LLM
5549件
VCBench：ベンチャーキャピタルにおけるLLMのベンチマーク
ベンチャーキャピタル分野で創業者の成功を予測する初のLLM向けベンチマーク「VCBench」が発表されました。
HiMAC：長期的LLMエージェントのための階層的マクロ・ミクロ学習
LLMエージェントが長期的タスクで計画と実行を分離する新しい階層的学習フレームワーク「HiMAC」が開発さ…
ソフトトーナメント均衡：LLMエージェント評価の新フレームワーク
LLMなどの汎用AIエージェントの非推移的な相互作用を評価する新しいフレームワークが発表されました。
HiL-Bench：AIエージェントはいつ助けを求めるべきかを知っているか？
AIエージェントが自律的に行動すべきか、助けを求めるべきかを判断する能力を測る新しいベンチマーク「HiL…
HWE-Bench: 実世界のハードウェアバグ修正タスクにおけるLLMエージェントのベンチマーク
LLMエージェントが実際のハードウェアバグを修正する能力を評価する大規模ベンチマーク「HWE-Bench」が発…
Poly-EPO：探索的推論モデルの学習
言語モデルが多様な推論戦略を探索し、より正確な応答を生成する新しい学習フレームワーク「Poly-EPO」が…
再帰的LLMループにおける摂動量反応：アペンド、置換、対話更新時の生スイッチング、確率的フロア、および持続的脱出
再帰的なLLMループが安定したパターンから別の状態へ移行するために必要なテキスト量と、その移行の持続性…
小規模LLMのゼロショット信頼度推定：教師ありベースラインが不要な場合
小規模LLMが自身の回答の正確性をゼロショットで推定する手法が、教師あり学習のベースラインを上回る性能…
スパイクニューラルネットワークにおける継続学習のためのニューラル経路の適応的再編成
人間脳にヒントを得た継続学習アルゴリズムが、スパイクニューラルネットワーク（SNN）の効率的なタスク学…
ポーラーエクスプレス：最適な行列符号法とそのミューオンアルゴリズムへの応用
深層学習の最適化アルゴリズム「Muon」向けに、GPUに最適化された高速な極分解計算手法「Polar Express」…
選択的ヤコビ復号による離散自己回帰正規化フローの推論加速
離散自己回帰正規化フローの推論速度を最大4.7倍高速化する新手法が提案されました。