Command Palette
Search for a command to run...
Papers
最新のAIトレンドを把握するための、日々更新される最先端AI研究論文
論文

PIPer:オンライン強化学習を用いたデバイス内環境設定

マルチドメインのテスト時スケーリングにおける報酬モデルの再考






























ナップサックRL:予算配分最適化によるLLMの探索の解放
GEM:エージェンティックなLLM向けのギム
VLA-RFT:世界シミュレーターにおける検証済み報酬を用いた視覚言語行動強化学習のファインチューニング
DeepSearch:モンテカルロ木探索を用いた検証可能報酬により強化学習のボトルネックを克服する
OceanGym:水中エンボディドエージェント向けベンチマーク環境
TruthRL:強化学習を用いた真実性を促進する大規模言語モデル
剪定のギャンブルに勝つ:効率的な教師あり微調整のための同時サンプル・トークン剪定の統一的アプローチ
ドラゴンのひよこ:トランスフォーマーと脳モデルの間の欠けていたつながり
ビジョン・ゼロ:戦略的ゲーム化自己対戦を用いたスケーラブルなVLMの自己改善
MCPMark:現実的で包括的なMCP利用のストレス試験を目的としたベンチマーク
検証可能な報酬を用いたLLM推論におけるランダム方策評価は十分である
ツールユニバースを活用したAI研究者の民主化
推論はいつ重要になるのか?モデル性能への推論の寄与を検証する制御実験
マルチプレイヤーNash選好最適化
StableToken:耐ノイズ性を備えた意味的音声トークナイザーによる強靭な音声LLMの実現
SLA:微調整可能な疎行列アテンションを用いた拡散変換器におけるスパース性の超越
SimpleFold:タンパク質の折りたたみは、あなたが思っているよりも簡単です
POINTS-Reader:ドキュメント変換向けに教師なし適応を実現する視覚言語モデル
汎用性のある幾何学的画像キャプション生成
強化学習による言語モデル計画の利点と課題:理論的視点から
言語モデルエージェントのエンパワーメントの推定
言語モデルはスカラー報酬なしで言語的フィードバックから学習できる
変分推論による言語モデル
EPO:大規模言語モデルエージェント向けエントロピー正則化政策最適化 強化学習
MinerU2.5:効率的な高解像度ドキュメント解析のための分離型視覚言語モデル
エントロピー安全推論のための分位数アドバンテージ推定
LongLive:リアルタイム対応の長時間動画生成
組み合わせ的創造性:一般化能力における新たなフロンティア
因果的時空間予測:効果的かつ効率的なマルチモーダルアプローチ
Hunyuan3D-Omni:3Dアセットの制御可能生成のための統一フレームワーク