LLMにおける決定論的計算のためのプロンプトおよび実行ベース手法の評価
LLMが正確な決定論的計算をどの程度実行できるか、様々なプロンプト戦略と外部ツール利用を比較評価しまし…
LLM
2778件
大規模言語モデルの旅行計画能力を再評価
LLMの旅行計画能力を5つのサブ能力に分解し、個別に評価する新しい手法が提案されました。
LLM支援型柔軟MCTSによる大規模CVRPソルバーの自動設計
LLMを活用し、大規模な配送経路最適化問題（CVRP）の高性能ソルバーを自動で設計するフレームワークが開発…
エージェントの記憶内部で何が起きているのか？出現から診断までの回路分析
LLMベースのエージェントの記憶障害を、内部回路分析により特定・診断する研究が発表されました。
ReasonAudio: テキスト-音声検索におけるマッチングを超えた推論評価ベンチマーク
テキスト-音声検索において、高度な推論能力を評価する初のベンチマーク「ReasonAudio」が発表されました。
GeoDecider：説明可能な岩相分類のための粗密エージェントワークフロー
LLMを活用し、地質学的な専門知識を模倣した岩相分類システム「GeoDecider」が開発されました。
道が分かれる場所：大規模言語モデルにおける倫理的推論の局所的かつ調整された制御
LLMの倫理的推論を、特定の倫理的枠組みに沿って制御する新しい手法が開発されました。
高速・高品質な計画生成のための自己改善
生成モデルが自己改善により、高品質な計画を高速に生成する新しい手法が開発されました。
AdapShot：意味認識KVキャッシュ再利用による適応型多ショット文脈学習
LLMの文脈学習において、クエリの難易度に応じてショット数を動的に最適化し、KVキャッシュを効率的に再利…
OracleProto：知識カットオフと時間マスキングによるLLMネイティブ予測ベンチマークの再現可能なフレームワーク
LLMの予測能力を評価するための、再現可能なベンチマークフレームワーク「OracleProto」が提案されました。
Agentic-imodels: 自律研究によるエージェント向け解釈可能ツールの進化
自律型データサイエンスシステムが、エージェント自身が解釈しやすいように設計されたデータサイエンスツ…
「正しい」だけでは不十分：実行器に基づいた報酬で推論プランナーを訓練する
LLMの推論能力を向上させるため、最終結果だけでなく推論過程の品質と有用性を評価する新しい訓練フレーム…