Best AI papers explained

550 Epizód

1. Front-Loading Reasoning: The Synergy between Pretraining and Post-Training Data

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

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

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

   Közzétéve: 2025. 10. 16.
5. The Art of Scaling Reinforcement Learning Compute for LLMs

   Közzétéve: 2025. 10. 16.
6. A small number of samples can poison LLMs of any size

   Közzétéve: 2025. 10. 16.
7. Dual Goal Representations

   Közzétéve: 2025. 10. 14.
8. Welcome to the Era of Experience

   Közzétéve: 2025. 10. 14.
9. Value Flows: Flow-Based Distributional Reinforcement Learning

   Közzétéve: 2025. 10. 14.
10. Self-Adapting Language Models

    Közzétéve: 2025. 10. 12.
11. The Markovian Thinker

    Közzétéve: 2025. 10. 12.
12. Moloch’s Bargain: emergent misalignment when LLMs compete for audiences

    Közzétéve: 2025. 10. 12.
13. Transformer Predictor Dynamics and Task Diversity

    Közzétéve: 2025. 10. 11.
14. Base models know how to reason, thinking models learn when

    Közzétéve: 2025. 10. 11.
15. Spectrum tuning: Post-training for distributional coverage and in-context steerability

    Közzétéve: 2025. 10. 11.
16. Understanding Prompt Tuning and In-Context Learning via Meta-Learning

    Közzétéve: 2025. 10. 11.
17. MLPs Learn In-Context on Regression and Classification tasks

    Közzétéve: 2025. 10. 11.
18. Is Pre-Training Truly Better than Meta-Learning?

    Közzétéve: 2025. 10. 11.
19. Agentic Context Engineering: Evolving Contexts for Self-Improving Language Models

    Közzétéve: 2025. 10. 11.
20. Do LLMs Recognize Your Preferences? Evaluating Personalized Preference Following in LLMs

    Közzétéve: 2025. 10. 09.