Best AI papers explained

550 Epizód

1. Learning dynamics of LLM finetuning

   Közzétéve: 2025. 10. 09.
2. Iterative Data Smoothing: Mitigating Reward Overfitting and Overoptimization in RLHF

   Közzétéve: 2025. 10. 09.
3. OpenAI Agent Builder and n8n: Orchestrating Reasoning Versus Automating Process

   Közzétéve: 2025. 10. 08.
4. Training Agents Inside of Scalable World Models

   Közzétéve: 2025. 10. 08.
5. Small Language Models are the Future of Agentic AI

   Közzétéve: 2025. 10. 07.
6. Activation Steering in Generative Settings via Contrastive Causal Mediation Analysis

   Közzétéve: 2025. 10. 06.
7. Eliciting Secret Knowledge from Language Models

   Közzétéve: 2025. 10. 06.
8. Temporal difference flow

   Közzétéve: 2025. 10. 06.
9. Personalized reasoning: just-in-time personalization and why LLMs fail at it

   Közzétéve: 2025. 10. 05.
10. Prompt Curriculum Learning for Efficient LLM Post-Training

    Közzétéve: 2025. 10. 05.
11. Personalizing Reinforcement Learning from Human Feedback with Variational Preference Learning

    Közzétéve: 2025. 10. 04.
12. Enhancing Personalized Multi-Turn Dialogue with Curiosity Reward

    Közzétéve: 2025. 10. 04.
13. Learning to summarize user information for personalized reinforcement learning from human feedback

    Közzétéve: 2025. 10. 04.
14. Distributional Preference Learning: Understanding and Accounting for Hidden Context in RLHF

    Közzétéve: 2025. 10. 03.
15. LIMI: Less is More for Agency

    Közzétéve: 2025. 10. 01.
16. LoRA Without Regret

    Közzétéve: 2025. 10. 01.
17. Actor-Critic without Actor: Critic-Guided Denoising for RL

    Közzétéve: 2025. 09. 29.
18. DELTA-Code: How Does RL Unlock and Transfer New Programming Algorithms in LLMs?

    Közzétéve: 2025. 09. 29.
19. Linear Transformers Implicitly Discover Unified Numerical Algorithms

    Közzétéve: 2025. 09. 29.
20. Regularizing Extrapolation in Causal Inference

    Közzétéve: 2025. 09. 27.