「cs.CL」カテゴリーアーカイブ

Guaranteed Guess: A Language Modeling Approach for CISC-to-RISC Transpilation with Testing Guarantees

投稿日: 2025年6月18日 作成者: jarxiv

要約 ハードウェアのエコシステムは急速に進化しており、既存のコードの携帯性と寿命 … 続きを読む →

カテゴリー: cs.AR, cs.CL, cs.LG, cs.PL, cs.SE | Guaranteed Guess: A Language Modeling Approach for CISC-to-RISC Transpilation with Testing Guarantees はコメントを受け付けていません

When Does Meaning Backfire? Investigating the Role of AMRs in NLI

投稿日: 2025年6月18日 作成者: jarxiv

要約 自然言語推論（NLI）は、前提と仮説の意味的な内容を適切に解析することに大 … 続きを読む →

カテゴリー: cs.CL | When Does Meaning Backfire? Investigating the Role of AMRs in NLI はコメントを受け付けていません

TaskCraft: Automated Generation of Agentic Tasks

投稿日: 2025年6月18日 作成者: jarxiv

要約 自律性、ツールの使用、および適応的推論を伴うマルチステップの問題解決を必要 … 続きを読む →

カテゴリー: cs.CL | TaskCraft: Automated Generation of Agentic Tasks はコメントを受け付けていません

SynGraph: A Dynamic Graph-LLM Synthesis Framework for Sparse Streaming User Sentiment Modeling

投稿日: 2025年6月18日 作成者: jarxiv

要約 eコマースプラットフォームでのユーザーレビューは、時間的およびコンテキスト … 続きを読む →

カテゴリー: cs.CL | SynGraph: A Dynamic Graph-LLM Synthesis Framework for Sparse Streaming User Sentiment Modeling はコメントを受け付けていません

Passing the Turing Test in Political Discourse: Fine-Tuning LLMs to Mimic Polarized Social Media Comments

投稿日: 2025年6月18日 作成者: jarxiv

要約 大規模な言語モデル（LLM）の高度化の増加は、説得力のある偏ったコンテンツ … 続きを読む →

カテゴリー: cs.CL, cs.CY | Passing the Turing Test in Political Discourse: Fine-Tuning LLMs to Mimic Polarized Social Media Comments はコメントを受け付けていません

GuiLoMo: Allocating Expert Number and Rank for LoRA-MoE via Bilevel Optimization with GuidedSelection Vectors

投稿日: 2025年6月18日 作成者: jarxiv

要約 パラメーター効率の高い微調整（PEFT）メソッド、特に低ランク適応（LOR … 続きを読む →

カテゴリー: cs.CL | GuiLoMo: Allocating Expert Number and Rank for LoRA-MoE via Bilevel Optimization with GuidedSelection Vectors はコメントを受け付けていません

A Hybrid Multi-Agent Prompting Approach for Simplifying Complex Sentences

投稿日: 2025年6月18日 作成者: jarxiv

要約 このペーパーでは、複雑な文章を論理的で単純化した文のシーケンスに変換すると … 続きを読む →

カテゴリー: cs.CL | A Hybrid Multi-Agent Prompting Approach for Simplifying Complex Sentences はコメントを受け付けていません

Massive Supervised Fine-tuning Experiments Reveal How Data, Layer, and Training Factors Shape LLM Alignment Quality

投稿日: 2025年6月18日 作成者: jarxiv

要約 監視された微調整（SFT）は、大規模な言語モデル（LLM）を人間の指示と価 … 続きを読む →

カテゴリー: cs.CL | Massive Supervised Fine-tuning Experiments Reveal How Data, Layer, and Training Factors Shape LLM Alignment Quality はコメントを受け付けていません

Treasure Hunt: Real-time Targeting of the Long Tail using Training-Time Markers

投稿日: 2025年6月18日 作成者: jarxiv

要約 現代の機械学習の最も深刻な課題の1つは、希少で過小評価されている機能のロン … 続きを読む →

カテゴリー: cs.CL, cs.LG | Treasure Hunt: Real-time Targeting of the Long Tail using Training-Time Markers はコメントを受け付けていません

Capacity Matters: a Proof-of-Concept for Transformer Memorization on Real-World Data

投稿日: 2025年6月18日 作成者: jarxiv

要約 このペーパーでは、モデルアーキテクチャとデータ構成が生成変圧器の経験的記憶 … 続きを読む →

カテゴリー: cs.CL | Capacity Matters: a Proof-of-Concept for Transformer Memorization on Real-World Data はコメントを受け付けていません