Siyuan Wang

適応可能なベンチマークを通じてLLMを評価する新しいアプローチ。

研究によると、LLMの論理ルールの理解には人間と比べてギャップがあることが明らかになった。

人の好みに合った報酬モデルのトレーニングの新しいアプローチ。

外部メモリを使ってLLMを強化して、多段階推論タスクをこなす。

研究者たちが大規模なビジョン・ランゲージモデルのトレーニングに効果的な戦略を明らかにした。