科学的発見における大規模言語モデルの評価
LLMの科学的発見能力を評価する新しいベンチマーク「SDEフレームワーク」が発表されました。
研究
2728件
Miner：大規模推論モデルにおけるデータ効率の良い強化学習のための内在的熟達度の採掘
大規模推論モデルの強化学習において、データ効率を大幅に向上させる新手法「Miner」が開発されました。
TEA-Bench：ツール強化型感情サポート対話エージェントの体系的ベンチマーク
感情サポート対話エージェントの性能を、外部ツール活用を含めて評価する初のベンチマーク「TEA-Bench」が…
TSRBench：汎用モデル向け時系列推論の包括的マルチタスク・マルチモーダルベンチマーク
汎用AIモデルの時系列データ処理能力を評価する、TSRBenchという新しいベンチマークが発表されました。
THINKSAFE: 推論モデルのための自己生成型安全アライメント
大規模推論モデルの安全性を、外部教師なしで自己生成型アライメントにより向上させる新手法「ThinkSafe」…
解釈可能で構成的な表現のための教師ありスパースオートエンコーダ
教師ありスパースオートエンコーダ（SAE）が、Stable Diffusion 3.5で画像の再構成と編集に成功しました。
WebClipper：グラフベースの軌跡剪定によるウェブエージェントの効率的な進化
ウェブエージェントの非効率な検索軌跡をグラフベースの剪定で最適化するフレームワーク「WebClipper」が…
LLMにおけるハルシネーションの幾何学的分類
LLMのハルシネーションを埋め込み空間の幾何学に基づいて分類し、検出可能性を予測する研究が発表されまし…
グローバル探索：投資、事業開発、競合情報のための医薬品資産スカウティングAIエージェント
多言語・非英語圏の医薬品資産を効率的に探索するAIエージェントが開発されました。
ProactiveMobile: モバイルデバイス上のプロアクティブAIを促進する包括的ベンチマーク
モバイルデバイス上でユーザーの潜在的な意図を予測し、自律的に行動するプロアクティブAIの性能を評価す…
MiniAppBench：LLM搭載アシスタントにおけるテキストからインタラクティブHTML応答への移行を評価
LLMが生成するインタラクティブなHTMLベースのアプリケーション「MiniApps」の評価ベンチマーク「MiniAppB…
OASES：エージェント型検索のための結果整合型検索評価共同学習
言語モデルが多段階で外部情報を収集し、知識集約型タスクを解決するエージェント型検索の新しい学習フレ…