AIDB https://validator.w3.org/feed/docs/rss2.html LLMSurgeon：大規模言語モデルのデータ混合を診断する SpecBench：ソフトウェア工学LLMエージェントの仕様レベル推論能力を評価する GenClaw：コード駆動型エージェントによる画像生成 大規模K-12教育におけるLLMと教師の三者協働：執筆能力向上のための設計と評価 アンカーレス多様化による並列LLMアイデア生成 LLMによるサイバー攻撃の信頼性：脆弱な標的に対する400回の実験で一貫性を検証 AIポーカー：学習・ソルバー不要でエキスパート級のプレイを実現する「PokerSkill」 UniSteer：活性化空間におけるテキスト誘導フローマッチングによる汎用LLM制御 HEART-Bench：LLMエージェントは人間のような心理を呈するか？ LLM利用料の水増し請求：不正なプロバイダーはどのようにトークン数を偽装するか AIに価値観を教える：LLMにおける人間らしい行動のシミュレーション LLMでGPSデータから旅行パターンを生成：柔軟かつ意味のある軌跡生成手法HTP 数学の形式化を大規模に自動化するシステム「AutoformBot」 AI生成コンテンツの「出所」は人間の判断を惑わすか？ ロジックよりもソース情報が人間の誤謬判断に与える影響 計画の仕方は重要か？LLMウェブエージェントのための計画表現に関する実証研究 SkillsInjector：LLMエージェントのための動的スキルコンテキスト構築 チームとして進化せよ：LLMベースマルチエージェントシステムの協調的自己進化 最小限のプロンプト変更がコード脆弱性を引き起こす：コーディングLLMにおけるプロンプトの脆弱性と隠れ状態シグナル 無関係な指示が大規模言語モデルを誘導できるか？ Alibabaが開発した高性能LLM推論エンジン「RTP-LLM」 LLMマルチエージェントフレームワークで協調型物語創作の質を向上 LLMによる財務諸表検証の妥当性とキャリブレーションを測るベンチマーク「FinVerBench」 LLMエージェントの社会的・戦略的推論能力を評価するライブアリーナ「Mindgames」 画像内テキスト翻訳システムの性能比較：モジュール型、マルチモーダルLLM、End-to-Endモデル 自己改善AI「SIA」：人間のボトルネックを打破するハーネスと重み更新 AIはあなたの知識を推測できるか？コミュニケーションログからの大規模言語モデルによる専門知識推定の性能比較 ペルソナ・プロンプトはいつ本当に役立つのか？LLMにおける専門家役割注入の検索とメトリック分析 デジタルコミュニケーションにおける共感応答規範の形成：インタラクション文脈が共感をどう形作るか 読めないものを索引化する：LLMネイティブなサービス分類体系の再帰的構築と検索 LLMのモデルサイズを「テキスト記憶」から推測する新手法 SalsaAgent：インタラクティブなダンス生成のためのマルチモーダル身体言語モデル LLM駆動型方程式探索による科学的発見：影響度ガイド付きシンボリック回帰 権力非対称下におけるLLM社会の協力：支配者、王、そして共有資源 AIとの対話は変化しない？ユーザー行動の粘着性と多様性を分析 Gamma-World: 2者を超える生成型マルチエージェント世界モデリング AIエージェントのスキルエコシステムに潜む新たな脅威とその分析 不確実性の粒度がLLM支援意思決定における人間の検証に与える影響 LLMによるOracleからPostgreSQLへの移行におけるトークン最適化戦略 LLMは提供元のエコシステムを優遇するのか？コード生成における垂直統合バイアスの測定 構造化された空間推論で3Dシーン内の物体を精密に特定するSSR3D-LLM 論文からベンチマークへ：機械学習の不完全な手法をエージェントとフレームワークで再現する 知識から行動へ：LLMトレーディングエージェントの株式市場における記憶制御ベンチマーク MangaFlow：物語からマンガ生成までをエンドツーエンドで制御するエージェントフレームワーク SMILE-Next：大規模言語モデルに笑いの検出・分類・推論を教える 新着AI論文記事一覧 LLMの個性、役割、表現スタイル：相互作用論的分析 Harness-Bench：現実的なエージェントワークフローにおけるモデル間のハーネス効果測定 ボードゲームシミュレーションでLLMの動的資産管理と戦略的金融推論を評価するFinBoardBench AIモデル自動構築エージェント「AIBuildAI-2」：知識拡張による性能向上 記事一覧