従来の教師あり微調整（SFT）と強化学習（RL）の統合的な訓練フレームワーク「GFT」を提案
SFTがスパースな報酬と不安定な逆確率重み付けにより、単一パス依存性とエントロピー崩壊を引き起こすことを分析
複数の応答グループを構築して正規化された対比教師信号を導出するグループ優位性学習メカニズムを実装
逆確率重みを適応的に制限するダイナミック係数補正により、訓練の安定性を向上
たとえば、いま届くならこの3本です
AIが要約して、あなたの選んだトピックだけを1日1通。LINE・Email・Slackで届きます。
登録無料・30秒で完了・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。Q&Aはこのページに公開され、他の読者も読めます。
イスラエルの新興企業DataAgent Ltd.は、顧客のKubernetesクラスター内の本番障害を修復するプラットフォームを発表し、1000万ドルのプレシード資金を調達した
SK海力士はSEMICON Taiwan 2026で、ベースダイに演算機能を組み込んだカスタムHBMの構想を発表
エヌビディアの決算は注目に値する一方で退屈な内容となり、統合された世界を避ける姿勢が反映された
AnthropicがNvidia支援のクラウド事業者Lambdaと、$35bnのクラウドコンピューティング契約を結んだ
最高裁判所は2027年度予算案にAI関連費用として約6000万円を計上
消費者庁は24日、全国の消費生活センターに寄せられる年間約90万件の相談を生成AIで分析し、詐欺の手口や事業者の経営破綻の早期サインを検出すると発表した
