Poly-EPO：探索的推論モデルの学習
言語モデルが多様な推論戦略を探索し、より正確な応答を生成する新しい学習フレームワーク「Poly-EPO」が…
LLM
2779件
再帰的LLMループにおける摂動量反応：アペンド、置換、対話更新時の生スイッチング、確率的フロア、および持続的脱出
再帰的なLLMループが安定したパターンから別の状態へ移行するために必要なテキスト量と、その移行の持続性…
小規模LLMのゼロショット信頼度推定：教師ありベースラインが不要な場合
小規模LLMが自身の回答の正確性をゼロショットで推定する手法が、教師あり学習のベースラインを上回る性能…
スパイクニューラルネットワークにおける継続学習のためのニューラル経路の適応的再編成
人間脳にヒントを得た継続学習アルゴリズムが、スパイクニューラルネットワーク（SNN）の効率的なタスク学…
ポーラーエクスプレス：最適な行列符号法とそのミューオンアルゴリズムへの応用
深層学習の最適化アルゴリズム「Muon」向けに、GPUに最適化された高速な極分解計算手法「Polar Express」…
選択的ヤコビ復号による離散自己回帰正規化フローの推論加速
離散自己回帰正規化フローの推論速度を最大4.7倍高速化する新手法が提案されました。
ReCode：推論プロセス報酬でコード生成を強化
ReCodeは、推論プロセスの品質を最適化する新しい強化学習フレームワークです。
LinkAnchor：課題とコミットのリンク復元を行う自律型LLMエージェント
ソフトウェア開発における課題とコミットの関連付けを自動で復元するLLMベースのエージェント「LinkAnchor…
意味記憶とエピソード記憶による監督学習：エージェント適応への内省的アプローチ
LLMベースのエージェントがパラメータ更新なしでラベル付きデータから学習する新しいフレームワークが提案…
ビットではなくトークン：LLMのための意味論的情報理論へ
LLMの動作原理を解明するため、統計物理学などに基づいた「意味論的情報理論」が提唱されました。
Continuum: KVキャッシュのタイム・トゥ・リブによる効率的で堅牢なマルチターンLLMエージェントスケジューリング
マルチターンLLMエージェントの処理を高速化する新しいKVキャッシュ管理システム「CacheTTL」が発表されま…
大規模言語モデルにおける階層的記憶：引用生成からの証拠
LLMが学術引用を生成する際の記憶メカニズムを、引用数と事実の正確性から分析しました。