【SCoRe】LLMの自己修正能力を高める強化学習！多段階的にエラーを特定して修正する
【SCoRe】LLMの自己修正能力を高める強化学習！多段階的にエラーを ...
Large language models
強化学習
NAVERが開発！韓国語に特化した大規模言語モデル「HyperCLOVA X」
NAVERが開発！韓国語に特化した大規模言語モデル「HyperCLOV ...
Large language models
【Cross-Ensemble Representation Learning】深層強化学習における多様性の課題を克服
【Cross-Ensemble Representation Lear ...
Neural Network
AIが解決する！EV大量普及時代の電力需給難題
AIが解決する！EV大量普及時代の電力需給難題
Neural Network
【Grasper】逃走者をAIで追跡する新技術
【Grasper】逃走者をAIで追跡する新技術
Multiagent Systems
【FlagVNE】 仮想ネットワークエンベディングのための柔軟かつ汎化可能な強化学習フレームワーク
【FlagVNE】 仮想ネットワークエンベディングのための柔軟かつ汎化 ...
Networking and Internet Architecture
インドの高校レベルの物理の多肢選択問題に特化したLLMチャットボットの開発
インドの高校レベルの物理の多肢選択問題に特化したLLMチャットボットの ...
Large language models
盲目のAIが環境の地図を学習するという興味深い発見
盲目のAIが環境の地図を学習するという興味深い発見
強化学習
Metaがベイズ最適化の予想外の改善を実現
Metaがベイズ最適化の予想外の改善を実現
Bayesian Optimization
【DPO】強化学習を用いずに大規模言語モデルをユーザの好みに直接合わせる手法
【DPO】強化学習を用いずに大規模言語モデルをユーザの好みに直接合わせ ...
RLHF
Open X-Embodiment：ロボットの汎用的な学習を目指して
Open X-Embodiment：ロボットの汎用的な学習を目指して
robot
マスク R-CNN：画像内のオブジェクトを効率的に検出する
マスク R-CNN：画像内のオブジェクトを効率的に検出する
Computer Vision
機械による最適な戦略の提案：広告主の目的に合った戦略を推薦するシステムが登場
機械による最適な戦略の提案：広告主の目的に合った戦略を推薦するシステム ...
強化学習
人間の直感的な理解を機械に学習させる方法とは
人間の直感的な理解を機械に学習させる方法とは
機械学習
EUREKA：LLMを用いた報酬設計の自動化
EUREKA：LLMを用いた報酬設計の自動化
RLHF
Diffusion Policy : 拡散モデルでロボットを動かす！ロボットがピザを作れる時代に！？
Diffusion Policy : 拡散モデルでロボットを動かす！ロ ...
Diffusion Model
Implicit Behaviral Cloning : 模倣学習の新しい定式化！ロボットの複雑な動作を実現！
Implicit Behaviral Cloning : 模倣学習の新 ...
robot
Wikipediaはオフライン強化学習を補助できるか? オフライン強化学習に言語タスクでの事前学習を導入！
Wikipediaはオフライン強化学習を補助できるか? オフライン強化 ...
Offline Reinforcement Learning