Listwise Policy Optimization: Group-based RLVR as Target-Projection on the LLM Response Simplex
LLMの推論能力向上に向け、リストワイズ方策最適化（LPO）という新しい強化学習手法が提案されました。
LLM
2771件
IRC-Bench: Recognizing Entities from Contextual Cues in First-Person Reminiscences
個人が過去を語る際に間接的に言及するエンティティを認識するベンチマーク「IRC-Bench」が発表されました…
HNC：微細な視覚言語理解能力を持つモデルに向けたハードネガティブキャプションの活用
画像とテキストの不一致を検出するモデルの性能を向上させる新しいデータセット「HNC」が提案されました。
スーパーレベルセット回帰：体積最小化による条件付き分位点
多変量回帰において、条件付きカバレッジを満たす最小体積の予測領域を直接構築する新しい数学的フレーム…
FunctionalAgent：エンドツーエンドのオン・トップ機能設計に向けて
FunctionalAgentは、強相関分子系の電子エネルギー計算に用いるオン・トップ汎関数を自動開発するエージェ…
TIDE: 各層がコンテキスト下のトークンを知る
LLMの各層にトークンインデックスを再注入する新手法「TIDE」が提案されました。
記憶の始まり：LLMを操るための潜在空間KVキャッシュ操作
LLMの振る舞いを制御する新しい手法「Memory Inception（MI）」が開発されました。
OBLIQ-Bench：潜在的・暗黙的クエリで現代のリトリーバーにおける見過ごされたボトルネックを露呈
潜在的なパターンや暗黙的な意図を伴う「斜め（oblique）」なクエリに対する検索性能の課題を指摘する研究…
フォワードフォワードネットワークにおける累積的良さのフリーライディング：実在し、修復可能だが、精度を支配する要因ではない
フォワードフォワードネットワークの学習において、後続層が先行層の成果に便乗する「フリーライディング…
低リソース方言向け線形意味セグメンテーション
方言の音声データにおける意味セグメンテーションの課題を解決する新しいベンチマークとモデルが発表され…
LLMが指定するライブラリバージョンの大規模測定研究：正しいコードと脆弱な依存関係
LLMが生成するPythonコードに含まれるライブラリのバージョンに、多くの脆弱性や互換性の問題があることが…
クラス不均衡下での半教師あり学習のためのマルチモーダル深層生成モデル
クラス不均衡なマルチモーダルデータに対する半教師あり学習で、モデルの性能を向上させる新しい深層生成…