月別アーカイブ: 2025年1月

xJailbreak: Representation Space Guided Reinforcement Learning for Interpretable LLM Jailbreaking

投稿日: 2025年1月31日 作成者: jarxiv

要約 安全アライメントメカニズムは、大規模な言語モデル（LLM）が有害な情報や非 … 続きを読む →

カテゴリー: cs.CL | コメントする

LLM-AutoDiff: Auto-Differentiate Any LLM Workflow

投稿日: 2025年1月31日 作成者: jarxiv

要約 大規模な言語モデル（LLMS）は、自然言語処理、マルチホップの回収からのア … 続きを読む →

カテゴリー: cs.CL | コメントする

WILDCHAT-50M: A Deep Dive Into the Role of Synthetic Data in Post-Training

投稿日: 2025年1月31日 作成者: jarxiv

要約 DPOから蒸留まで、訓練後の言語モデル（LLM）は、行動を改良し、新しいス … 続きを読む →

カテゴリー: cs.CL, cs.LG | コメントする

Streaming DiLoCo with overlapping communication: Towards a Distributed Free Lunch

投稿日: 2025年1月31日 作成者: jarxiv

要約 大規模な言語モデル（LLM）のトレーニングは、通常、トレーニング時間を短縮 … 続きを読む →

カテゴリー: cs.CL | コメントする

GroUSE: A Benchmark to Evaluate Evaluators in Grounded Question Answering

投稿日: 2025年1月31日 作成者: jarxiv

要約 検索された生成（RAG）は、プライベートおよび最新の知識ベースとともに、大 … 続きを読む →

カテゴリー: cs.CL, I.2.7 | コメントする

Differentially Private Steering for Large Language Model Alignment

投稿日: 2025年1月31日 作成者: jarxiv

要約 大規模な言語モデル（LLM）を人間の価値観に合わせて、望ましくない行動（幻 … 続きを読む →

カテゴリー: cs.CL, cs.LG | コメントする

Verify with Caution: The Pitfalls of Relying on Imperfect Factuality Metrics

投稿日: 2025年1月31日 作成者: jarxiv

要約 大規模な言語モデルの改善により、自然言語生成出力の信頼できる評価者として役 … 続きを読む →

カテゴリー: cs.CL, cs.LG | コメントする

Thoughts Are All Over the Place: On the Underthinking of o1-Like LLMs

投稿日: 2025年1月31日 作成者: jarxiv

要約 OpenaiのO1などの大規模な言語モデル（LLM）は、テスト時間の計算を … 続きを読む →

カテゴリー: cs.CL | コメントする

Beyond Browsing: API-Based Web Agents

投稿日: 2025年1月31日 作成者: jarxiv

要約 Webブラウザは、人間の活動の多くが実施されているインターネットのポータル … 続きを読む →

カテゴリー: cs.CL, cs.MA | コメントする

State Stream Transformer (SST) : Emergent Metacognitive Behaviours Through Latent State Persistence

投稿日: 2025年1月31日 作成者: jarxiv

要約 State Stream Transformer（SST）を紹介します。こ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG | コメントする