LLMポリシー最適化における重要度サンプリングの再考：累積トークン視点
LLMの強化学習後訓練において、累積トークン重要度サンプリング比率を用いる新手法「CTPO」が提案されまし…
AI&Tech、もう追いかけなくていい。
30秒で読めるニュースダイジェスト
研究
2819件
Mage: コンパイル成功率を超えたLLM生成実行可能ゲームシーンの多軸評価
LLMが生成したゲームシーンの評価において、コンパイル成功率だけでは不十分であることを示す研究が発表さ…
TTF：効率的なビデオ言語モデルのための時間トークン融合
ビデオ言語モデルの推論コストを削減するため、動画の視覚トークンを効率的に圧縮する新手法「TTF」が提案…
MISA：長文LLM推論のためのインデクサースパースアテンションの混合
長文LLMの推論コストを削減する新しいスパースアテンション手法「MISA」が開発されました。
MORPH-U: 高不確実環境下におけるV2X対応自動運転のための多目的レジリエントモーションプランニング
V2X通信の不確実性に対応し、LiDAR/レーダー/カメラとV2X情報を融合して自動運転のモーションプランニング…
RELO: 強化学習による視覚物体追跡のための位置特定
強化学習を用いて、視覚物体追跡におけるターゲットの位置特定を最適化する新しい手法「RELO」が開発され…
ロボット操作における多様性の罠からの脱却：アンカー中心適応によるアプローチ
ロボットが特定のタスクを学習する際、少ないデータで効率的に適応させる新手法が開発されました。
BalCapRL: RLベースMLLM画像キャプションのためのバランスの取れたフレームワーク
RLベースのMLLM画像キャプションにおいて、複数の評価軸をバランス良く最適化する新しいフレームワーク「B…
複数LLMルーティングにおける「解決不能の天井」：評価アーティファクトの実証研究
複数LLMルーティングの「解決不能の天井」が、評価方法の偏りによって過大評価されていることが判明しまし…
ルーブリックに基づくオンポリシー蒸留
教師モデルの出力のみで学生モデルを効率的に学習させる新しい手法「ROPD」が開発されました。
ディープフェイク動画検出における時間的攻撃の暴露と軽減
ディープフェイク検出モデルが時間的攻撃に脆弱であることを明らかにし、その対策フレームワークを提案し…
GNSSが遮断された環境下で慣性運動学習を用いた大規模シェア自転車追跡
GNSSが使えない都市部の複雑な環境で、低コストの慣性センサーのみでシェア自転車を正確に追跡する新技術…