ai2026/6/2 13:00:00
大規模言語モデルにおけるインタラクティブ推論の評価:実行可能なゲームを用いた階層的ベンチマーク
ニュース概要
推論を能動的な証拠収集と信念更新として扱うマルチターン対話型推論評価フレームワークを紹介します。LLMはタスクルールのみを受け取り、隠れた環境への的を絞ったクエリを発行し、時間とともに部分的な観察を統合し、推論を停止する時期を決定する必要があります。
ニュースタイムライン
2026年6月2日
医療用大規模言語モデルの安全性、ロバスト性、公平性評価のためのマルチドメインレッドチーミングフレームワークarXiv cs.CL
2026年6月2日
能力自己評価：大規模言語モデルに自分の限界を認識させるarXiv cs.AI
2026年6月2日
TrustLDM: 言語拡散モデルの信頼性ベンチマークarXiv cs.CL
2026年6月2日
ART: 効率的な大規模言語モデルデコーディングのための注意実行時終了arXiv cs.CL
2026年6月3日
東京大学松尾・岩澤研究室の「大規模言語モデル講座2025基礎編」の講義資料が無料公開／「大規模言語モデル講座2026」の受講申し込みも受付中窓の杜
2026年6月4日
LLM 大規模言語モデル講座2025講義スライドはてなブックマーク IT
2026年6月4日
東京大学松尾・岩澤研究室の「大規模言語モデル講座2025基礎編」の講義資料が無料公開(窓の杜)Yahoo!ニュース IT
2026年6月8日
UnpredictaBench: LLMにおける分布的ランダム性を評価するためのベンチマークarXiv cs.CL
2026年6月8日
FAIR-Calib: 拡散大規模言語モデルの学習後量子化のためのフロンティア認識不安定性重み付け校正arXiv cs.LG
2026年6月8日
MacArena: オンラインmacOS環境でのコンピュータ利用エージェントのベンチマークarXiv cs.LG
🤖
記事AI質問チャット
PREMIUMこの記事についてAIが質問に答えます。背景・要約・影響まで深堀り。
ログインして利用🛡️ 読者ファクトチェック0
読者が投稿し、管理者承認後に表示される事実確認情報
まだ承認済みのファクトチェックはありません。
ファクトチェックを投稿するには ログイン が必要です
関連記事
こんな記事も読まれています
コメント (0)
コメント投稿にはログインが必要です。
まだコメントはありません。最初のコメントを書いてみましょう。
この記事について疑問がありますか?
事実誤認や不適切な内容について通報できます (要ログイン)。
異議申し立て・通報