PersonaKit (PK): A Plug-and-Play Platform for User Testing Diverse Roles in Full-Duplex Dialogue
対話システムが多様な役割を演じる際の、人間らしい発話交代をテストするプラットフォームが発表されまし…
LLM
2771件
Beyond Uniform Credit Assignment: Selective Eligibility Traces for RLVR
LLMの推論能力向上を目指し、選択的適格性トレース（S-trace）という新しい強化学習手法が提案されました。
Quantizing With Randomized Hadamard Transforms: Efficient Heuristic Now Proven
ランダム化アダマール変換（RHT）を用いた量子化手法の理論的裏付けが示されました。
Does Synthetic Data Help? Empirical Evidence from Deep Learning Time Series Forecasters
深層学習時系列予測モデルにおいて、合成データが性能に与える影響を大規模に実証研究しました。
Optimal Transport for LLM Reward Modeling from Noisy Preference
LLMの報酬モデル学習において、ノイズの多い人間からのフィードバックを最適輸送理論で効率的に処理する新…
Normalized Architectures are Natively 4-Bit
nGPTという正規化されたLLMアーキテクチャが、4ビット精度で安定して学習できることが示されました。
Milestone-Guided Policy Learning for Long-Horizon Language Agents
長期間にわたる複雑なタスクをこなす言語エージェントの学習効率を大幅に向上させる新フレームワーク「BEA…
VISD: Enhancing Video Reasoning via Structured Self-Distillation
動画理解LLMの推論能力を向上させる「VISD」という新しい学習フレームワークが発表されました。
Logic-Regularized Verifier Elicits Reasoning from LLMs
LLMの推論能力を向上させる、論理規則で正規化された教師なし検証器「LOVER」が開発されました。
Causal Reinforcement Learning for Complex Card Games: A Magic The Gathering Benchmark
複雑なカードゲーム「マジック：ザ・ギャザリング」をベンチマークとした因果強化学習の新しいテスト環境…
Beyond Autoregressive RTG: Conditioning via Injection Outside Sequential Modeling in Decision Transformer
Decision TransformerのRTGをシーケンスから外し、状態表現に注入する「SlimDT」が提案されました。
Schedule-and-Calibrate: Utility-Guided Multi-Task Reinforcement Learning for Code LLMs
コードLLM向けに、タスクの有用性に基づいた強化学習フレームワーク「ASTOR」が開発されました。