Best AI papers explained

550 Epizód

1. Bayesian Concept Bottlenecks with LLM Priors

   Közzétéve: 2025. 05. 15.
2. In-Context Parametric Inference: Point or Distribution Estimators?

   Közzétéve: 2025. 05. 15.
3. Enough Coin Flips Can Make LLMs Act Bayesian

   Közzétéve: 2025. 05. 15.
4. Bayesian Scaling Laws for In-Context Learning

   Közzétéve: 2025. 05. 15.
5. Posterior Mean Matching Generative Modeling

   Közzétéve: 2025. 05. 15.
6. Can Generative AI Solve Your In-Context Learning Problem? A Martingale Perspective

   Közzétéve: 2025. 05. 15.
7. Dynamic Search for Inference-Time Alignment in Diffusion Models

   Közzétéve: 2025. 05. 15.
8. Is In-Context Learning in Large Language Models Bayesian? A Martingale Perspective

   Közzétéve: 2025. 05. 12.
9. Leaked Claude Sonnet 3.7 System Instruction tuning

   Közzétéve: 2025. 05. 12.
10. Converging Predictions with Shared Information

    Közzétéve: 2025. 05. 11.
11. Test-Time Alignment Via Hypothesis Reweighting

    Közzétéve: 2025. 05. 11.
12. Rethinking Diverse Human Preference Learning through Principal Component Analysis

    Közzétéve: 2025. 05. 11.
13. Active Statistical Inference

    Közzétéve: 2025. 05. 10.
14. Data Mixture Optimization: A Multi-fidelity Multi-scale Bayesian Framework

    Közzétéve: 2025. 05. 10.
15. AI-Powered Bayesian Inference

    Közzétéve: 2025. 05. 10.
16. Can Unconfident LLM Annotations Be Used for Confident Conclusions?

    Közzétéve: 2025. 05. 09.
17. Predictions as Surrogates: Revisiting Surrogate Outcomes in the Age of AI

    Közzétéve: 2025. 05. 09.
18. Learn then Test: Calibrating Predictive Algorithms to Achieve Risk Control

    Közzétéve: 2025. 05. 09.
19. How to Evaluate Reward Models for RLHF

    Közzétéve: 2025. 05. 09.
20. LLMs as Judges: Survey of Evaluation Methods

    Közzétéve: 2025. 05. 09.