ai2026/6/1 13:00:00
画像: Pexels
COFT：大規模言語モデルにおけるフェアな思考の連鎖推論のための反事実適合デコーディング
ニュース概要
大規模言語モデル(LLM)は、思考の連鎖(CoT)生成中に社会的偏見を明らかにし、増幅する可能性がある。本論文では、デコード時にトークンレベルのフェアネス制御を適用する訓練不要のデコーディング方法であるCOFT（フェアな思考の連鎖）を提案し、分布自由の周辺有効性を保証する。
ニュースタイムライン
2026年6月2日
ART: 効率的な大規模言語モデルデコーディングのための注意実行時終了arXiv cs.CL
2026年6月3日
東京大学松尾・岩澤研究室の「大規模言語モデル講座2025基礎編」の講義資料が無料公開／「大規模言語モデル講座2026」の受講申し込みも受付中窓の杜
2026年6月4日
LLM 大規模言語モデル講座2025講義スライドはてなブックマーク IT
2026年6月4日
東京大学松尾・岩澤研究室の「大規模言語モデル講座2025基礎編」の講義資料が無料公開(窓の杜)Yahoo!ニュース IT
2026年6月8日
FAIR-Calib: 拡散大規模言語モデルの学習後量子化のためのフロンティア認識不安定性重み付け校正arXiv cs.LG
2026年6月10日
多様体逸脱の緩和：信頼性の高いMLLMデコーディングのための不確実性を認識したサブスペース修正arXiv cs.LG
2026年6月10日
大規模言語モデルにおけるアライメントアルゴリズムのメカニズム解析arXiv cs.LG
2026年6月11日
安全データシートからの情報抽出における大規模言語モデルのベンチマークarXiv cs.CL
2026年6月11日
大規模言語モデルのための互換性認識型動的ファインチューニングarXiv cs.CL
2026年6月11日
ProcessThinker：ロールアウトベースのプロセス報酬によるマルチモーダル大規模言語モデルの推論能力強化arXiv cs.CL
🤖
記事AI質問チャット
PREMIUMこの記事についてAIが質問に答えます。背景・要約・影響まで深堀り。
ログインして利用🛡️ 読者ファクトチェック0
読者が投稿し、管理者承認後に表示される事実確認情報
まだ承認済みのファクトチェックはありません。
ファクトチェックを投稿するには ログイン が必要です
関連記事
こんな記事も読まれています
コメント (0)
コメント投稿にはログインが必要です。
まだコメントはありません。最初のコメントを書いてみましょう。
この記事について疑問がありますか?
事実誤認や不適切な内容について通報できます (要ログイン)。
異議申し立て・通報