Best AI papers explained

506 Epizód

1. Direct Preference Optimization with Unobserved Preference Heterogeneity: The Necessity of Ternary Preferences

   Közzétéve: 2025. 10. 24.
2. The Coverage Principle: How Pre-Training Enables Post-Training

   Közzétéve: 2025. 10. 24.
3. The Era of Real-World Human Interaction: RL from User Conversations

   Közzétéve: 2025. 10. 24.
4. Agent Learning via Early Experience

   Közzétéve: 2025. 10. 24.
5. Demystifying the Mechanisms Behind Emergent Exploration in Goal-conditioned RL

   Közzétéve: 2025. 10. 22.
6. Rewriting History: A Recipe for Interventional Analyses to Study Data Effects on Model Behavior

   Közzétéve: 2025. 10. 22.
7. A Definition of AGI

   Közzétéve: 2025. 10. 22.
8. Provably Learning from Language Feedback

   Közzétéve: 2025. 10. 21.
9. In-Context Learning for Pure Exploration

   Közzétéve: 2025. 10. 21.
10. On the Role of Preference Variance in Preference Optimization

    Közzétéve: 2025. 10. 20.
11. Training LLM Agents to Empower Humans

    Közzétéve: 2025. 10. 20.
12. Richard Sutton Declares LLMs a Dead End

    Közzétéve: 2025. 10. 20.
13. Demystifying Reinforcement Learning in Agentic Reasoning

    Közzétéve: 2025. 10. 19.
14. Emergent coordination in multi-agent language models

    Közzétéve: 2025. 10. 19.
15. Learning-to-measure: in-context active feature acquisition

    Közzétéve: 2025. 10. 19.
16. Andrej Karpathy's insights: AGI, Intelligence, and Evolution

    Közzétéve: 2025. 10. 19.
17. Front-Loading Reasoning: The Synergy between Pretraining and Post-Training Data

    Közzétéve: 2025. 10. 18.
18. Representation-Based Exploration for Language Models: From Test-Time to Post-Training

    Közzétéve: 2025. 10. 18.
19. The attacker moves second: stronger adaptive attacks bypass defenses against LLM jail- Breaks and prompt injections

    Közzétéve: 2025. 10. 18.
20. When can in-context learning generalize out of task distribution?

    Közzétéve: 2025. 10. 16.