月別アーカイブ: 2025年2月

UltraIF: Advancing Instruction Following from the Wild

要約 指導に従うことにより、最新の大手言語モデル(LLMS)が役立つアシスタント … 続きを読む

カテゴリー: cs.AI, cs.CL | UltraIF: Advancing Instruction Following from the Wild はコメントを受け付けていません

Preserving Knowledge Invariance: Rethinking Robustness Evaluation of Open Information Extraction

要約 分布の変更に対する堅牢性により、特に情報抽出タスクでは、現実的な世界でNL … 続きを読む

カテゴリー: cs.AI, cs.CL | Preserving Knowledge Invariance: Rethinking Robustness Evaluation of Open Information Extraction はコメントを受け付けていません

SKADA-Bench: Benchmarking Unsupervised Domain Adaptation Methods with Realistic Validation On Diverse Modalities

要約 監視されていないドメイン適応(DA)は、ラベル付きのソースドメインでトレー … 続きを読む

カテゴリー: cs.AI, cs.LG, stat.ME, stat.ML | SKADA-Bench: Benchmarking Unsupervised Domain Adaptation Methods with Realistic Validation On Diverse Modalities はコメントを受け付けていません

OpenRANet: Neuralized Spectrum Access by Joint Subcarrier and Power Allocation with Optimization-based Deep Learning

要約 Open RANとして知られる次世代ラジオアクセスネットワーク(RAN)は … 続きを読む

カテゴリー: cs.AI, cs.IT, math.IT | OpenRANet: Neuralized Spectrum Access by Joint Subcarrier and Power Allocation with Optimization-based Deep Learning はコメントを受け付けていません

A Generic Method for Fine-grained Category Discovery in Natural Language Texts

要約 粗粒の監督のみを使用したきめの細かいカテゴリーの発見は、費用対効果の高いが … 続きを読む

カテゴリー: cs.AI, cs.LG | A Generic Method for Fine-grained Category Discovery in Natural Language Texts はコメントを受け付けていません

Archetypal Analysis for Binary Data

要約 典型的な分析(AA)は、各データポイントが順番にアーキタイプの凸の組み合わ … 続きを読む

カテゴリー: cs.AI, cs.LG, stat.ML | Archetypal Analysis for Binary Data はコメントを受け付けていません

Bench4Merge: A Comprehensive Benchmark for Merging in Realistic Dense Traffic with Micro-Interactive Vehicles

要約 自律運転の能力は急速に進歩していますが、密集した交通に合併することは依然と … 続きを読む

カテゴリー: cs.AI, cs.RO | Bench4Merge: A Comprehensive Benchmark for Merging in Realistic Dense Traffic with Micro-Interactive Vehicles はコメントを受け付けていません

Model Human Learners: Computational Models to Guide Instructional Design

要約 教育デザイナーは、圧倒的なデザインの選択に直面しており、最も効果的な介入を … 続きを読む

カテゴリー: cs.AI, cs.HC, cs.SC | Model Human Learners: Computational Models to Guide Instructional Design はコメントを受け付けていません

The Best Instruction-Tuning Data are Those That Fit

要約 高品質の監視された微調整(SFT)データは、前処理された大手言語モデル(L … 続きを読む

カテゴリー: cs.AI, cs.CL, cs.LG | The Best Instruction-Tuning Data are Those That Fit はコメントを受け付けていません

Algorithmic causal structure emerging through compression

要約 因果関係、対称性、および圧縮の関係を調査します。 因果モデルが識別できない … 続きを読む

カテゴリー: cs.AI, cs.CC, cs.IT, cs.LG, math.IT | Algorithmic causal structure emerging through compression はコメントを受け付けていません