手続き型コンテンツ生成RLにおける多目的指示認識表現学習
AIが複雑な自然言語指示を理解し、多目的なコンテンツを生成する新しい手法が開発されました。
LLM
2772件
記憶を超えて：再帰、メモリ、テスト時計算スケーリングによる推論深度の拡張
LLMの多段階推論能力を、記憶に頼らない細胞オートマトンフレームワークで評価しました。
ロバストフィルターアテンション：自己注意を精度加重状態推定として再構築
自己注意メカニズムをロバストな状態推定器として再定式化する「ロバストフィルターアテンション（RFA）」…
知識レベル一貫性強化学習：長文生成における事実性のためのデュアルファクトアライメント
LLMの長文生成における幻覚を抑制する新しい強化学習フレームワーク「KLCF」が提案されました。
インターネットを大規模に探索し、挑戦的なベンチマークを構築
AIモデルの性能向上に伴い飽和する既存ベンチマークに対し、インターネットから自動で難易度の高い新たな…
RLVRの最適化ダイナミクス：勾配ギャップとステップサイズ閾値
検証可能な報酬による強化学習（RLVR）の理論的基盤が構築され、その収束条件が解明されました。
「一息つく」：自己ペースのシーケンス生成のための適応的計算
AIモデルが自身の計算ステップ数を動的に調整し、応答準備ができたことを示す新しい学習手法が提案されま…
コルモゴロフ・アーノルド・ネットワーク（KANs）実践ガイド
MLPの代替として注目されるKANsに関する包括的なレビューが公開されました。
MediEval: LLMにおける患者文脈と知識に基づいた推論のための統合医療ベンチマーク
LLMの医療応用における信頼性と安全性の課題を解決するため、新しい評価ベンチマーク「MediEval」が開発さ…
HERMES：効率的なストリーミング動画理解のための階層的メモリとしてのKVキャッシュ
HERMESは、ストリーミング動画をリアルタイムかつ高精度に理解する、学習不要の新しいアーキテクチャです。
固定された心理的ペルソナを超えて：言語モデルは「状態」を見落としている
言語モデルがユーザーの状況（状態）を考慮せず、固定的な特性（特性）のみに基づいて応答していることが…
LLM-AutoDP: LLMエージェントによるモデルファインチューニングのための自動データ処理
LLMエージェントが自動でデータ処理戦略を生成・最適化し、モデルのファインチューニングを効率化します。