CAMEL：報酬モデリングのための信頼度ゲート付きリフレクション
大規模言語モデルの報酬モデルにおいて、CAMELという新しいフレームワークが開発されました。
LLM
2774件
PulseLM: PPGとテキスト学習のための基盤データセットとベンチマーク
PPG波形と自然言語を結びつける大規模なPPG-テキスト質問応答データセット「PulseLM」が公開されました。
医療教科書における大規模言語モデルのハルシネーションの定量化
医療分野の質問応答において、大規模言語モデルが事実と異なる情報を生成するハルシネーションの発生率が…
MetaKE：より良い精度と編集性のトレードオフを目指す知識編集のためのメタ学習
大規模言語モデルの知識編集において、精度と編集性の両立を改善する新手法「MetaKE」が提案されました。
文書からスパンへ：LLMを用いたエビデンスに基づくICDコーディングのためのスケーラブルな教師あり学習
LLMが臨床文書から病名コード（ICDコード）を割り当てる際、その根拠となるテキスト証拠を効率的に学習す…
文脈に応じたルーブリック報酬による交互強化学習：スカラー化戦略を超えて
多次元のルーブリック報酬をスカラー化せず、交互に最適化する新しい強化学習フレームワークが提案されま…
強化学習における制御可能な要素の発見：介入的境界発見
強化学習エージェントが制御できる観測空間の次元を、介入的境界発見（IBD）という手法で特定しました。
時間的抽象化による順方向-逆方向表現におけるスペクトル整合
連続空間における後続表現学習で、時間的抽象化がスペクトル不整合を緩和するメカニズムとして機能するこ…
長尺動画理解のための適応的欲張りフレーム選択
長尺動画の質問応答において、入力フレーム数を最適化する新しいフレーム選択手法が提案されました。
言語モデルにおける認識論的観測可能性
主要な大規模言語モデルが、誤った情報を生成する際に最も高い自信を示すことが判明しました。
圧縮トランスフォーマーにおける構造的感度：相対誤差伝播と層の削除
大規模言語モデルの圧縮時に生じる誤差の伝播メカニズムを解明し、効率的な圧縮戦略を提案しました。
P^2O: 方策とプロンプトの共同最適化
LLMの推論能力を向上させる「P^2O」という新しい学習手法が開発されました。