「cs.LG」カテゴリーアーカイブ

Queue management for slo-oriented large language model serving

投稿日: 2025年2月26日 作成者: jarxiv

要約 大規模な言語モデル（LLM）は、クラウドプロバイダーにとってますます重要な … 続きを読む →

カテゴリー: cs.CL, cs.DC, cs.LG | Queue management for slo-oriented large language model serving はコメントを受け付けていません

GLEAN: Generalized Category Discovery with Diverse and Quality-Enhanced LLM Feedback

投稿日: 2025年2月26日 作成者: jarxiv

要約 一般化されたカテゴリ発見（GCD）は、既知のカテゴリからの限定されたラベル … 続きを読む →

カテゴリー: cs.CL, cs.LG | GLEAN: Generalized Category Discovery with Diverse and Quality-Enhanced LLM Feedback はコメントを受け付けていません

Accelerating Unbiased LLM Evaluation via Synthetic Feedback

投稿日: 2025年2月26日 作成者: jarxiv

要約 新しい大手言語モデル（LLMS）を開発する場合、重要なステップは、多くの場 … 続きを読む →

カテゴリー: cs.CL, cs.LG | Accelerating Unbiased LLM Evaluation via Synthetic Feedback はコメントを受け付けていません

Rank1: Test-Time Compute for Reranking in Information Retrieval

投稿日: 2025年2月26日 作成者: jarxiv

要約 テスト時間計算を活用するために訓練された最初の再ランキングモデルであるRA … 続きを読む →

カテゴリー: cs.CL, cs.IR, cs.LG | Rank1: Test-Time Compute for Reranking in Information Retrieval はコメントを受け付けていません

Reversal Blessing: Thinking Backward May Outpace Thinking Forward in Multi-choice Questions

投稿日: 2025年2月26日 作成者: jarxiv

要約 言語モデルは通常、左から右（L2R）の自己回帰因数分解を使用します。 ただ … 続きを読む →

カテゴリー: cs.CL, cs.IT, cs.LG, math.IT | Reversal Blessing: Thinking Backward May Outpace Thinking Forward in Multi-choice Questions はコメントを受け付けていません

DenoMAE2.0: Improving Denoising Masked Autoencoders by Classifying Local Patches

投稿日: 2025年2月26日 作成者: jarxiv

要約 Denomae2.0を導入します。これは、従来の再構成損失と一緒にローカル … 続きを読む →

カテゴリー: cs.AI, cs.LG | DenoMAE2.0: Improving Denoising Masked Autoencoders by Classifying Local Patches はコメントを受け付けていません

Small Language Models: Survey, Measurements, and Insights

投稿日: 2025年2月26日 作成者: jarxiv

要約 小言語モデル（SLM）は、最新のスマートデバイスでの広範な採用にもかかわら … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG | Small Language Models: Survey, Measurements, and Insights はコメントを受け付けていません

A Theoretical Framework for Data Efficient Multi-Source Transfer Learning Based on Cramér-Rao Bound

投稿日: 2025年2月26日 作成者: jarxiv

要約 マルチソース転送学習は、複数のソースタスクを活用することにより、実際の監視 … 続きを読む →

カテゴリー: cs.AI, cs.LG | A Theoretical Framework for Data Efficient Multi-Source Transfer Learning Based on Cramér-Rao Bound はコメントを受け付けていません

Implicit In-context Learning

投稿日: 2025年2月26日 作成者: jarxiv

要約 コンテキスト学習（ICL）は、クエリの前にいくつかのデモンストレーションの … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG | Implicit In-context Learning はコメントを受け付けていません

AMPO: Active Multi-Preference Optimization

投稿日: 2025年2月26日 作成者: jarxiv

要約 マルチプレーファレンス最適化は、役立つものや望ましくない応答のセット全体を … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG | AMPO: Active Multi-Preference Optimization はコメントを受け付けていません