FutureWorld: 実世界の結果報酬を用いた予測エージェント向けライブ強化学習環境
実世界の出来事を予測するAIエージェントの性能を向上させるための新しい強化学習環境「FutureWorld」が発…
LLM
2772件
WaferSAGE：合成データ生成とルーブリック誘導型強化学習によるLLMを活用したウェーハ欠陥分析
半導体製造におけるウェーハ欠陥の視覚的質問応答を、小規模な視覚言語モデルで実現するフレームワークが…
AEM：マルチターンエージェント強化学習のための適応的エントロピー変調
LLMエージェントの強化学習において、報酬が少ない環境でも効率的に学習できる新手法「AEM」が開発されま…
強化学習LLM進化的探索によるザランキェヴィッチ数の新たな限界
LLMを用いた進化的探索により、ザランキェヴィッチ数の正確な値3つと、41個の下限が新たに発見されました。
GR-Ben：プロセス報酬モデルの汎用推論評価ベンチマーク
プロセス報酬モデル（PRM）の推論エラー検出能力を評価する新しいベンチマーク「GR-Ben」が発表されました…
マルチモーダル推論のためのセグメントアラインド方策最適化
LLMのマルチモーダル推論において、推論ステップに合わせた新しい強化学習手法「SAPO」が提案されました。
ANGOFA：アンゴラ言語モデルのためのOFA埋め込み初期化と合成データの活用
アンゴラの低リソース言語向けに、OFA埋め込み初期化と合成データを活用した新しい言語モデル「ANGOFA」が…
絡み合わない生成グラフ表現学習
グラフ表現学習において、絡み合った表現の問題を解決する新しい自己教師あり学習フレームワーク「DiGGR」…
LicenseGPT：公開データセットのライセンス順守のためのファインチューニングされた基盤モデル
公開データセットのライセンス順守を支援するAIモデル「LicenseGPT」が開発されました。
大規模言語モデルは意味を保つコード変異に対して堅牢か？
LLMがコード理解において、意味を保った構文変更に対してどれほど堅牢かを評価する研究が発表されました。
チャンキングを超えて：長文質問応答のための談話構造を考慮した階層的検索
長文質問応答システムが、談話構造を考慮した階層的検索フレームワークを開発しました。
プライバシー保護推薦のためのパーソナライズされた連合型基盤モデルに関する調査
プライバシーを保護しつつ、ユーザーに合わせた推薦を行うための連合型基盤モデルに関する調査論文が発表…