Best AI papers explained

550 Epizód

1. Instacart's Economics Team: A Hybrid Role in Tech

   Közzétéve: 2025. 03. 31.
2. Data Mixture Optimization: A Multi-fidelity Multi-scale Bayesian Framework

   Közzétéve: 2025. 03. 31.
3. Why MCP won

   Közzétéve: 2025. 03. 31.
4. SWEET-RL: Training LLM Agents for Collaborative Reasoning

   Közzétéve: 2025. 03. 31.
5. TheoryCoder: Bilevel Planning with Synthesized World Models

   Közzétéve: 2025. 03. 30.
6. Driving Forces in AI: Scaling to 2025 and Beyond (Jason Wei, OpenAI)

   Közzétéve: 2025. 03. 29.
7. Expert Demonstrations for Sequential Decision Making under Heterogeneity

   Közzétéve: 2025. 03. 28.
8. TextGrad: Backpropagating Language Model Feedback for Generative AI Optimization

   Közzétéve: 2025. 03. 27.
9. MemReasoner: Generalizing Language Models on Reasoning-in-a-Haystack Tasks

   Közzétéve: 2025. 03. 27.
10. RAFT: In-Domain Retrieval-Augmented Fine-Tuning for Language Models

    Közzétéve: 2025. 03. 27.
11. Inductive Biases for Exchangeable Sequence Modeling

    Közzétéve: 2025. 03. 26.
12. InverseRLignment: LLM Alignment via Inverse Reinforcement Learning

    Közzétéve: 2025. 03. 26.
13. Prompt-OIRL: Offline Inverse RL for Query-Dependent Prompting

    Közzétéve: 2025. 03. 26.
14. Alignment from Demonstrations for Large Language Models

    Közzétéve: 2025. 03. 25.
15. Q♯: Distributional RL for Optimal LLM Post-Training

    Közzétéve: 2025. 03. 18.
16. Scaling Test-Time Compute Without Verification or RL is Suboptimal

    Közzétéve: 2025. 03. 14.
17. Optimizing Test-Time Compute via Meta Reinforcement Fine-Tuning

    Közzétéve: 2025. 03. 14.
18. Optimizing Test-Time Compute via Meta Reinforcement Fine-Tuning

    Közzétéve: 2025. 03. 14.
19. Open Problems and Fundamental Limitations of Reinforcement Learning from Human Feedback

    Közzétéve: 2025. 03. 14.
20. Revisiting Superficial Alignment Hypothesis

    Közzétéve: 2025. 03. 14.