零ヒット思考から学ぶ——LatentReviseが開示する強化学習の新アプローチ
LatentRevise: 零ヒット思考からの学習
査読前の可能性がある研究情報
LatentReviseは、強化学習における零ヒット状況での学習可能性を高めます。
速報・AI要約未精査
arXiv cs.CL
毎日更新・AIニュース考察
AI記事考察ノート
公式発表・研究プレプリント・実装コミュニティの記事を、読む前に押さえたい文脈と注意点つきで整理。
6835掲載記事
5190深堀り対応
01
絞り込み結果
条件に一致した記事を、新しい順にまとめています。 12PRISMがマルチモーダルRLのパフォーマンス向上に与える影響とは？
査読前の可能性がある研究情報
PRISMは、SFTとRL間の分布調整を改善することでマルチモーダルモデルの強化学習パフォーマンスを向上させる
速報・AI要約未精査
こんな人に機械学習研究者・マルチモーダルモデル開発者
arXiv cs.CLスパースリワードが引き起こすLLMの推論ショートカットとは？
査読前の可能性がある研究情報
スパースリワードがLLMの記憶ショートカットを誘発し、推論性能に悪影響を与えるメカニズムを解明
速報・AI要約未精査
こんな人に機械学習エンジニア・AI研究者
arXiv cs.CL多領域推論スキルの転移性を向上させる新手法は本当に有用か？
査読前の可能性がある研究情報
新しいオンラインカリキュラムTACが多領域での推論スキルの不均一な転移性を改善
速報・AI要約未精査
こんな人に機械学習研究者・人工知能開発者
arXiv cs.AI誤ったコンテキストが引き起こす大規模言語モデルのパフォーマンス低下とは？
査読前の可能性がある研究情報
大規模言語モデルが誤ったコンテキストによってパフォーマンスを落とす「ピジョンホール」現象について調査
速報・AI要約未精査
こんな人にAI研究者・大規模言語モデル開発者
arXiv cs.AI小規模言語モデルの新時代：L20-Edu-135Mが示すデータ効率性とパフォーマンスのバランス
査読前の可能性がある研究情報
L20-Edu-135Mは、単一GPU環境で効率的に訓練された小規模言語モデルを紹介
速報・AI要約未精査
こんな人に機械学習研究者・言語モデル開発者
arXiv cs.AI適応的クリッピング方策最適化：LLM推論能力向上への新たな視点
査読前の可能性がある研究情報
適応的クリッピング方策最適化が大規模言語モデルの推論能力向上に寄与
速報・AI要約未精査
こんな人に機械学習研究者・AIエンジニア
arXiv cs.CL稀疏なパラメータ更新がもたらす問題：強化学習と検証可能な報酬モデルの新たな課題
査読前の可能性がある研究情報
強化学習と検証可能な報酬モデルの稀疏なパラメータ更新がマージングに課題をもたらすことを解明
こんな人に機械学習研究者・強化学習エンジニア
arXiv cs.AI探索問題を解決：CaSPが示すRLVRの新展開
査読前の可能性がある研究情報
CaSP手法は、強化学習における探索問題を改善し、大規模モデルでの効果的な探索を可能にする
こんな人に機械学習エンジニア・強化学習研究者
arXiv cs.AI思考-回答の一貫性問題、CORAが解決へ
査読前の可能性がある研究情報
CORAは、大規模ビジョン-言語モデルにおける思考-回答の一貫性問題を改善する技術
速報・AI要約未精査
こんな人に機械学習研究者・AI開発エンジニア
arXiv cs.CL