최신논문

잠재 추론을 통한 테스트 시간 컴퓨팅 확장: 재귀적 깊이 접근 방식

AlphaGeometry2로 올림피아드 기하학을 푸는 금메달리스트 성능

s1: 간단한 테스트 시간 스케일링

RL + 트랜스포머 = 범용 문제 해결사

자기-개선(Self-Improving) 트랜스포머가 쉬운-어려운 문제 및 길이 일반화 문제를 극복하는 방법

Iclr 2025 워크숍 인간의 감독 없이 자체 개선되는 파운데이션 모델

FP4 양자화를 사용한 대규모 언어 모델 교육 최적화

범용 모델 프리 강화학습을 향하여

Eagle 2: 프론티어 비전-언어 모델을 위한 처음부터 포스트 트레이닝 데이터 전략 구축

LLM이 직관적 자기 인식 형태를 가지고 있음

더 깊이 있는 LLM 사고의 진화

트랜스포머 후속 Titans: Learning to Memorize at Test Time

Multiagent Finetuning: 다양한 추론 체인을 통한 자기 개선

Transformer^2 자기 적응 LLM

LLM에서 시스템 2 추론을 향해: 메타 사고 사슬로 생각하는 법 배우기

에이전트 랩(Agent Laboratory): LLM 에이전트를 연구 보조원으로 활용하기

rstar-math: 소규모 LLM도 스스로 진화한 딥씽킹으로 수학 추론을 마스터할 수 있습니다.

디지털 인간 뇌의 시뮬레이션과 동화

Foundation Models를 통한 인공 생명체 검색 자동화

바이트 레이턴트 트랜스포머 바이트의 동적 패치를 도입하고 BPE보다 더 나은 확장성을 제공