Best AI papers explained

550 Epizód

1. Trust or Escalate: LLM Judges with Provable Guarantees for Human Agreement

   Közzétéve: 2025. 04. 24.
2. Iterative Nash Policy Optimization for Language Model Alignment

   Közzétéve: 2025. 04. 24.
3. SycEval: Benchmarking LLM Sycophancy in Mathematics and Medicine

   Közzétéve: 2025. 04. 23.
4. Stack AI: Democratizing Enterprise AI Development

   Közzétéve: 2025. 04. 22.
5. Evaluating Modern Recommender Systems: Challenges and Future Directions

   Közzétéve: 2025. 04. 22.
6. AI in the Enterprise: Seven Lessons from Frontier Companies by OpenAI

   Közzétéve: 2025. 04. 22.
7. Discussion: Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?

   Közzétéve: 2025. 04. 21.
8. AI Agent Protocols and Human Preference

   Közzétéve: 2025. 04. 21.
9. Cross-Environment Cooperation for Zero-Shot Multi-Agent Coordination

   Közzétéve: 2025. 04. 20.
10. Sutton and Silver: The Era of Experience: Learning Beyond Human Data

    Közzétéve: 2025. 04. 19.
11. Sample, Don't Search: Rethinking Test-Time Alignment for Language Models

    Közzétéve: 2025. 04. 19.
12. AI Agents: Echoes of Past Technology Pivots?

    Közzétéve: 2025. 04. 19.
13. Minimalist LLM Reasoning: Rejection Sampling to Reinforcement

    Közzétéve: 2025. 04. 19.
14. Securing the Model Context Protocol in Enterprise Environments

    Közzétéve: 2025. 04. 19.
15. Improving Multi-Turn Tool Use with Reinforcement Learning

    Közzétéve: 2025. 04. 19.
16. Cultural Knowledge Conservation and Control in Large Language Models

    Közzétéve: 2025. 04. 19.
17. Data Quality, Repetition, and Scaling of Language Models

    Közzétéve: 2025. 04. 18.
18. Compute-Optimal Scaling Laws for Language Models Revisited

    Közzétéve: 2025. 04. 18.
19. Concise Reasoning via Reinforcement Learning

    Közzétéve: 2025. 04. 18.
20. Throughput Limits for LLM Inference and AI Agent Scheduling

    Közzétéve: 2025. 04. 14.