Transformers Provably Implement In-Context Reinforcement Learning with Policy Improvement
Transformerがパラメータ更新なしで強化学習アルゴリズムを内部で実行できることが証明されました。
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
2834件
Adaptive Selection of LoRA Components in Privacy-Preserving Federated Learning
差分プライバシー連邦学習におけるLoRAの性能低下を改善する新手法「AS-LoRA」が提案されました。
The autoPET3 Challenge -- Automated Lesion Segmentation in Whole-Body PET/CT - Multitracer Multicenter Generalization
PET/CT画像における病変の自動セグメンテーション技術を競う国際チャレンジ「autoPET3」の結果が発表され…
Steering Visual Generation in Unified Multimodal Models with Understanding Supervision
統一マルチモーダルモデルの画像生成を理解タスクで制御する新手法が提案されました。
Revealing Modular Gradient Noise Imbalance in LLMs: Calibrating Adam via Signal-to-Noise Ratio
LLMの学習において、モジュールごとの勾配ノイズの不均衡をAdamオプティマイザが適切に処理できない課題が…
LCC-LLM: Leveraging Code-Centric Large Language Models for Malware Attribution
コード中心のLLM「LCC-LLM」がマルウェア分析と属性特定に活用されました。
A Testable Certificate for Constant Collapse in Teacher-Guided VAEs
VAEにおける「定数崩壊」という特定の失敗モードを検出し、その発生を証明する手法が提案されました。
LeakDojo: Decoding the Leakage Threats of RAG Systems
RAGシステムにおける情報漏洩の脅威を評価するフレームワーク「LeakDojo」が発表されました。
VideoRouter: Query-Adaptive Dual Routing for Efficient Long-Video Understanding
長尺動画の効率的な理解のため、クエリ適応型デュアルルーティングフレームワーク「VideoRouter」が発表さ…
SOPE: Stabilizing Off-Policy Evaluation for Online RL with Prior Data
SOPEは、オンライン強化学習において事前データ活用時のオフライン学習期間を自動調整する新アルゴリズム…
CITE: Anytime-Valid Statistical Inference in LLM Self-Consistency
LLMの自己整合性における統計的推論を、いつでも有効に制御する新手法が提案されました。
Tuning Derivatives for Causal Fairness in Machine Learning
機械学習モデルにおける連続的な保護属性に対する因果的公平性の新しいフレームワークが提案されました。