-
-
環境とのやり取り単位で報酬を配分する SHARPO、Qwen2.5-7B の推論を改善する話
2026/10/5
SHARPO が Qwen2.5-7B で ALFWorld と WebShop の既存手法を抜いた。
-
-
ARC-AGI-3で100点を取る世界モデルの検証手法 Kepler
2026/10/5
Kepler が ARC-AGI-3 全25ゲームで100点。検証済み。
-
-
大規模言語モデルの内部確率と言語化された確率の関係を調べる研究
2026/10/5
内部確率と言語化された確率は連動している。
-
-
生体信号の成分数を変えられるAM-FM分解PI-AMFM、学習と推論の両立
2026/10/5
PI-AMFMが合成・生体信号で成分数不用意な分解に成功。
-
-
胸部X線画像を指示通りに編集する手法 Spatially Gated Diffusion、保存と修正の両立
2026/10/5
Spatially Gated Diffusion、胸部X線編集で93.5%の両立を達成
-
-
AI エージェントの行動を状態に応じて制御する Sapien、セキュリティポリシーの適用
2026/10/5
Sapien が、エージェントの攻撃を最大 95% まで排除するポリシーエンジンを提供した
-
-
オンライン最適化の限界を幾何で縛る手法、係数の上下限を導出する話
2026/10/5
オンラインDR-サブモジュラー最大化の係数上下限が導出された
-
-
AI が解釈する企業情報の複雑さを減らす ERS と、その複雑さを測る ERC の話
2026/10/5
ERS が、AI が解釈する企業情報の複雑さを減らす手法として提案された。
-
-
生成モデルの経路を曲線にする VTV-FM、静的データで速度を推定する話
2026/10/5
VTV-FM が静的データで生成品質を向上させた。
-
-
有限時間の到達可能性で critic を制約する ReQRL、ゴール到達の学習
2026/10/5
ReQRLが、有限時間の到達可能性でcriticの勾配を制約し、ゴール到達の学習性能を向上させた。