MathlibPR：形式的数学ライブラリのプルリクエストマージ準備度ベンチマーク
LLMが形式的数学ライブラリMathlibのプルリクエスト（PR）レビューを支援できるかを評価するベンチマーク…
LLM
2761件
HyperEyes: 並列マルチモーダル検索エージェントのための二段階効率認識強化学習
HyperEyesは、複数の情報を同時に検索できる並列マルチモーダル検索エージェントです。
テキストの不気味の谷：LLM情報検索における非単調な性能劣化
単語の境界が破損したテキストに対するLLMの情報検出精度が、U字型の「テキストの不気味の谷」現象を示す…
ゲーミングチャットにおける多クラス有害性検出のための合成データ拡張による大規模言語モデルのファインチューニング
ゲーミングチャットの有害なメッセージを6つのカテゴリに分類するタスクで、合成データ拡張を用いたLLMの…
オープンウェイトプロキシアナライザーの活性化による幻覚検出
大規模言語モデルの幻覚を、生成モデルとは別の小型オープンウェイトモデルの内部活性化を用いて検出する…
長文コンテキストLLM推論におけるKVキャッシュ削除問題の再定式化
LLMの長文コンテキスト推論におけるKVキャッシュのメモリと実行時オーバーヘッドを削減する新しい削除戦略…
異種言語モデル向け相互強化学習における経験共有
異なるLLMが個別のパラメータを保ちつつ、経験を共有して同時に強化学習を行うフレームワークが提案されま…
層剪定された大規模言語モデルの性能低下を決定表現遷移で理解する
大規模言語モデルの層剪定による急激な性能低下のメカニズムが、決定表現の遷移を通じて解明されました。
分岐モデル：重み結合ダイナミクスによる集合値解マップの学習
複数の正解を持つ問題に対し、単一の解ではなく解の集合全体を学習する新しいAIモデル「分岐モデル」が提…
Mask2Cause: 隣接制約付き因果アテンションによる因果発見
時系列データから因果関係を直接発見する新しい深層学習フレームワーク「Mask2Cause」が提案されました。
EgoPro-Bench: 一人称視点動画ストリームにおけるパーソナライズされたプロアクティブな対話のベンチマーク
一人称視点動画からユーザーの意図を予測し、先回りして支援するAIの性能を評価する新たなベンチマークが…
MedAction：能動的な多段階臨床診断LLMの実現に向けて
LLMが実際の臨床診断プロセスを模倣し、多段階で能動的に診断を行うための新しい手法が提案されました。