研究
チームメンバーによる論文。
チームメンバーが、Datarenaに参加する前、またはDatarenaと並行して、所属する大学や研究機関で執筆した論文です。
-
One Instruction Is a Benchmark: End-to-End Instruction-Following Evaluation with FlexBench
1つの指示を、それ自体で完結したマルチターンのテストスイートに変換します。モデルの順位や失敗のパターンは、指示ごとに変化します。
-
Learning When to Think in Latent Visual Space: Reasoning Mode Adaptive Reinforcement Learning
マルチモーダルモデルに、潜在視覚空間で推論すべきときとテキストで推論すべきときを学習させる強化学習。
-
To Answer or Not to Answer? Reliability-Oriented Reinforcement Learning for Visual Language Models
答えられない質問には回答を控えるよう視覚言語モデルに学習させるルーブリックベースの報酬。新たなベンチマークReliable-V-Benchで測定しています。
-
CAMFT: Conflict-Aware Mergeable Fine-Tuning for Large Language Models
タスクモデルをマージしやすくするファインチューニング。各タスクはタスク間の競合が少ない疎なパラメータ集合を更新し、マージしたマルチタスクモデルは標準的なファインチューニングで構築したモデルを上回ります。
-
From Absolute to Relative: Rethinking Reward Shaping in Group-Based Reinforcement Learning
グループベースの強化学習において、絶対スコアの代わりに相対順位を報酬として用います。
-
Think-Augmented Function Calling: Improving LLM Parameter Accuracy Through Embedded Reasoning
各関数シグネチャに推論用のパラメータを加えることで、モデルが引数を埋める前に考えるようにします。モデルの変更は不要で、APIとの完全な互換性を保ちます。
-
Asymmetric Decision-Making in Online Knowledge Distillation: Unifying Consensus and Divergence
生徒は教師間で一致する点に従い、教師は互いを差別化する点を保持するオンライン蒸留。
-
Large Language Models Know What is Key Visual Entity: An LLM-assisted Multimodal Retrieval for VQA
言語モデルが質問に必要な視覚的エンティティを選び出すため、検索では画像のそれ以外の部分が無視されます。