Best AI papers explained

550 Epizód

1. Provably Learning from Language Feedback

   Közzétéve: 2025. 07. 09.
2. Markets with Heterogeneous Agents: Dynamics and Survival of Bayesian vs. No-Regret Learners

   Közzétéve: 2025. 07. 05.
3. Why Neural Network Can Discover Symbolic Structures with Gradient-based Training: An Algebraic and Geometric Foundation

   Közzétéve: 2025. 07. 05.
4. Causal Abstraction with Lossy Representations

   Közzétéve: 2025. 07. 04.
5. The Winner's Curse in Data-Driven Decisions

   Közzétéve: 2025. 07. 04.
6. Embodied AI Agents: Modeling the World

   Közzétéve: 2025. 07. 04.
7. Beyond Statistical Learning: Exact Learning Is Essential for General Intelligence

   Közzétéve: 2025. 07. 04.
8. What Has a Foundation Model Found? Inductive Bias Reveals World Models

   Közzétéve: 2025. 07. 04.
9. Language Bottleneck Models: A Framework for Interpretable Knowledge Tracing and Beyond

   Közzétéve: 2025. 07. 03.
10. Learning to Explore: An In-Context Learning Approach for Pure Exploration

    Közzétéve: 2025. 07. 03.
11. Human-AI Matching: The Limits of Algorithmic Search

    Közzétéve: 2025. 06. 25.
12. Uncertainty Quantification Needs Reassessment for Large-language Model Agents

    Közzétéve: 2025. 06. 25.
13. Bayesian Meta-Reasoning for Robust LLM Generalization

    Közzétéve: 2025. 06. 25.
14. General Intelligence Requires Reward-based Pretraining

    Közzétéve: 2025. 06. 25.
15. Deep Learning is Not So Mysterious or Different

    Közzétéve: 2025. 06. 25.
16. AI Agents Need Authenticated Delegation

    Közzétéve: 2025. 06. 25.
17. Probabilistic Modelling is Sufficient for Causal Inference

    Közzétéve: 2025. 06. 25.
18. Not All Explanations for Deep Learning Phenomena Are Equally Valuable

    Közzétéve: 2025. 06. 25.
19. e3: Learning to Explore Enables Extrapolation of Test-Time Compute for LLMs

    Közzétéve: 2025. 06. 17.
20. Extrapolation by Association: Length Generalization Transfer in Transformers

    Közzétéve: 2025. 06. 17.