Best AI papers explained
Podcast tekijän mukaan Enoch H. Kang
521 Jaksot
-
Rewriting History: A Recipe for Interventional Analyses to Study Data Effects on Model Behavior
Julkaistiin: 22.10.2025 -
A Definition of AGI
Julkaistiin: 22.10.2025 -
Provably Learning from Language Feedback
Julkaistiin: 21.10.2025 -
In-Context Learning for Pure Exploration
Julkaistiin: 21.10.2025 -
On the Role of Preference Variance in Preference Optimization
Julkaistiin: 20.10.2025 -
Training LLM Agents to Empower Humans
Julkaistiin: 20.10.2025 -
Richard Sutton Declares LLMs a Dead End
Julkaistiin: 20.10.2025 -
Demystifying Reinforcement Learning in Agentic Reasoning
Julkaistiin: 19.10.2025 -
Emergent coordination in multi-agent language models
Julkaistiin: 19.10.2025 -
Learning-to-measure: in-context active feature acquisition
Julkaistiin: 19.10.2025 -
Andrej Karpathy's insights: AGI, Intelligence, and Evolution
Julkaistiin: 19.10.2025 -
Front-Loading Reasoning: The Synergy between Pretraining and Post-Training Data
Julkaistiin: 18.10.2025 -
Representation-Based Exploration for Language Models: From Test-Time to Post-Training
Julkaistiin: 18.10.2025 -
The attacker moves second: stronger adaptive attacks bypass defenses against LLM jail- Breaks and prompt injections
Julkaistiin: 18.10.2025 -
When can in-context learning generalize out of task distribution?
Julkaistiin: 16.10.2025 -
The Art of Scaling Reinforcement Learning Compute for LLMs
Julkaistiin: 16.10.2025 -
A small number of samples can poison LLMs of any size
Julkaistiin: 16.10.2025 -
Dual Goal Representations
Julkaistiin: 14.10.2025 -
Welcome to the Era of Experience
Julkaistiin: 14.10.2025 -
Value Flows: Flow-Based Distributional Reinforcement Learning
Julkaistiin: 14.10.2025
Cut through the noise. We curate and break down the most important AI papers so you don’t have to.
