8月 12 2026

0

金融LLMの推論を検証するV-FiLLM：計算木で作る自動生成ベンチマーク

投稿者: ユウ

TL;DR V-FiLLMは、金融表データに対するLLMの推論能力を検…

8月 12 2026

0

アシスタントの性格が会話型情報検索に与える影響を実証

投稿者: ユウ

TL;DR LLMアシスタントの性格（外向的・誠実的・中立）を変えて2…

8月 12 2026

0

画像キャプション評価の新手法CapProbe：領域単位の高密度QAで詳細記述を検証する

投稿者: ユウ

TL;DR CapProbeは、画像キャプションの詳細な事実的正しさを…

8月 12 2026

0

実テーブル解析の盲点を可視化し、凍結パーサーを改善するDECフレームワーク

投稿者: ユウ

TL;DR 既存のテーブル解析モデルはベンチマークでは高スコアでも、実…

8月 12 2026

0

推論コストを増やさずに世界モデルの利点を取り込む「World Tokens」

投稿者: ユウ

TL;DR World Tokensは、訓練時のみビデオ世界モデルを使…

8月 12 2026

0

TTS評価の盲点を10次元で可視化：MOS予測とAudio-LLMの実力比較

投稿者: ユウ

TL;DR TTSの自然性を10の言語学的次元（音韻、韻律、パラ言語）…

8月 12 2026

0

高信頼度が逆効果？推論の探索と収束を両立する「Consilience」スコア

投稿者: ユウ

TL;DR 既存の信頼度最大化によるテスト時計算拡張は、難しい問題では…

8月 11 2026

0

パラメータ空間の探索でLLMのRL訓練を安定化する3PO手法

投稿者: ユウ

TL;DR LLMの強化学習（RLVR）では、温度調整などの行動空間で…

8月 11 2026

0

医療画像の言語理解と領域分割を統一するMedPixelの実装解説

投稿者: ユウ

TL;DR MedPixelは、医療画像の言語理解とピクセル単位の領域…

8月 11 2026

0

教師モデルとの不一致を活かす蒸留法TIDE：繰り返し崩壊を防ぎ数学推論を改善

投稿者: ユウ

TL;DR オンポリシー蒸留(OPD)では、生徒モデルが繰り返し文を生…