「cs.CL」カテゴリーアーカイブ

Evaluating LLMs and Pre-trained Models for Text Summarization Across Diverse Datasets

投稿日: 2025年2月27日 作成者: jarxiv

要約 テキストの要約は、大量のテキストを簡潔で一貫した要約に凝縮することにより、 … 続きを読む →

カテゴリー: cs.CL | Evaluating LLMs and Pre-trained Models for Text Summarization Across Diverse Datasets はコメントを受け付けていません

Self-calibration for Language Model Quantization and Pruning

投稿日: 2025年2月27日 作成者: jarxiv

要約 量子化と剪定は、モデル圧縮の基本的なアプローチであり、言語モデルの効率的な … 続きを読む →

カテゴリー: cs.CL | Self-calibration for Language Model Quantization and Pruning はコメントを受け付けていません

Can Large Language Models Detect Errors in Long Chain-of-Thought Reasoning?

投稿日: 2025年2月27日 作成者: jarxiv

要約 最近、O1のようなモデルが大きな注目を集めており、これらのモデルは、既存の … 続きを読む →

カテゴリー: cs.CL | Can Large Language Models Detect Errors in Long Chain-of-Thought Reasoning? はコメントを受け付けていません

Residual Speech Embeddings for Tone Classification: Removing Linguistic Content to Enhance Paralinguistic Analysis

投稿日: 2025年2月27日 作成者: jarxiv

要約 WAV2VEC2、Hubert、WAVLM、Whisperなどの音声処理の … 続きを読む →

カテゴリー: cs.CL, cs.LG | Residual Speech Embeddings for Tone Classification: Removing Linguistic Content to Enhance Paralinguistic Analysis はコメントを受け付けていません

Learning Code-Edit Embedding to Model Student Debugging Behavior

投稿日: 2025年2月27日 作成者: jarxiv

要約 コンピューターサイエンス教育におけるプログラミングの割り当てのための効果的 … 続きを読む →

カテゴリー: cs.CL, cs.SE | Learning Code-Edit Embedding to Model Student Debugging Behavior はコメントを受け付けていません

The Mighty ToRR: A Benchmark for Table Reasoning and Robustness

投稿日: 2025年2月27日 作成者: jarxiv

要約 現実世界の重要性にもかかわらず、表形式データのモデルパフォーマンスは露出度 … 続きを読む →

カテゴリー: cs.CL | The Mighty ToRR: A Benchmark for Table Reasoning and Robustness はコメントを受け付けていません

Drop-Upcycling: Training Sparse Mixture of Experts with Partial Re-initialization

投稿日: 2025年2月27日 作成者: jarxiv

要約 専門家（MOE）アーキテクチャの混合は、同等の能力の密なモデルと比較して、 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG | Drop-Upcycling: Training Sparse Mixture of Experts with Partial Re-initialization はコメントを受け付けていません

FSPO: Few-Shot Preference Optimization of Synthetic Preference Data in LLMs Elicits Effective Personalization to Real Users

投稿日: 2025年2月27日 作成者: jarxiv

要約 LLMSの効果的なパーソナライズは、仮想アシスタントやコンテンツキュレーシ … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.HC, cs.LG, stat.ML | FSPO: Few-Shot Preference Optimization of Synthetic Preference Data in LLMs Elicits Effective Personalization to Real Users はコメントを受け付けていません

Shh, don’t say that! Domain Certification in LLMs

投稿日: 2025年2月27日 作成者: jarxiv

要約 大規模な言語モデル（LLM）は、狭いドメインを備えた制約付きタスクを実行す … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.CR, cs.LG, stat.ML | Shh, don’t say that! Domain Certification in LLMs はコメントを受け付けていません

Agentic Reward Modeling: Integrating Human Preferences with Verifiable Correctness Signals for Reliable Reward Systems

投稿日: 2025年2月27日 作成者: jarxiv

要約 報酬モデル（RMS）は、大規模な言語モデル（LLM）のトレーニングと推論時 … 続きを読む →

カテゴリー: cs.AI, cs.CL | Agentic Reward Modeling: Integrating Human Preferences with Verifiable Correctness Signals for Reliable Reward Systems はコメントを受け付けていません