-
-
事前学習の重み幾何で SFT 更新を補正する手法、Qwen や Llama の性能回帰を抑制する話
2026/10/14
SPACEがSFT更新を幾何補正。Qwen2.5-7Bで数学のID/OOD性能が平均2.85/2.26ポイント向上。
-
-
会話の関与を頭と体の特徴で比較するマルチモーダル分析
2026/10/14
F形成の検出で頭の特徴は他の特徴に含まれる傾向がある
-
-
体内信号の優先度を上げる2つの手法、精度と選好重み付け、生存率向上の話
2026/10/14
精度と選好重み付けで平均生存率が向上。ただし選好の恩恵は不明。
-
-
共変量分布が推定速度に与える影響を調べた論文
2026/10/14
共変量分布の粗さが推定速度を遅らせることを示した
-
-
対話アシスタントの推論を型付きモデルで評価する Jev-ToM、生成モデルとの比較
2026/10/14
Jev-ToM が対話パートナーの推論を型付きモデルで評価。生成モデルと同等以上の精度を出した。
-
-
clipped SGD の収束速度を、ノイズの分布と敵の攻撃回数で評価した話
2026/10/14
Clipped SGDが、ヘビーテールノイズと敵の攻撃で収束を評価。敵がq回攻撃でも、確率項はlog(1/δ)+qに。
-
-
LLM エージェントの失敗を予測する自信度、長期タスクの信頼判断
2026/10/14
Qwen2.5-7B エージェントの自信度が、長期タスクの成否を予測するようになった。
-
-
Qwen2.5やLlama3.1の推論結果をグラフで照合して修正する手法、複数ステップの推論精度を上げる話
2026/10/14
DDRG が Qwen2.5-7B で推論精度を 8.65 ポイント上げた
-
-
AI エージェントの信頼性や安全性を段階評価する AgentStripes、評価モデルの提案
2026/10/14
AgentStripes が 30 件のエージェントを評価。信頼性を示す証拠は限定的。
-
-
未来の情報を覚えた言語モデルが、証拠集めで未来情報をどう使うか Qwen DeepSeek
2026/10/14
Qwen DeepSeek は未来の情報を覚えても、証拠集めで有利な会社に偏らなかった