メニュー

研究

チームメンバーによる論文。

チームメンバーが、Duffi AIに参加する前、またはDuffi AIと並行して、所属する大学や研究機関で執筆した論文です。

  1. EMNLP 2026、メインカンファレンス

    One Instruction Is a Benchmark: End-to-End Instruction-Following Evaluation with FlexBench

    Yuchen Ge, Yizhao Sun, Wei He, Jinpeng Ou, et al.(著者13名)

    1つの指示を、それ自体で完結したマルチターンのテストスイートに変換します。モデルの順位や失敗のパターンは、指示ごとに変化します。

  2. Findings of EMNLP 2026

    Learning When to Think in Latent Visual Space: Reasoning Mode Adaptive Reinforcement Learning

    Paul Jian, Jinpeng Ou, Leo Wei, Qingpei Guo, Jianing Li

    マルチモーダルモデルに、潜在視覚空間で推論すべきときとテキストで推論すべきときを学習させる強化学習。

  3. EMNLP 2026、メインカンファレンス

    To Answer or Not to Answer? Reliability-Oriented Reinforcement Learning for Visual Language Models

    Paul Jian, Julian Wu, Leo Wei, Dylan Chen, Garvin Guo, Qingpei Guo, Jianing Li

    答えられない質問には回答を控えるよう視覚言語モデルに学習させるルーブリックベースの報酬。新たなベンチマークReliable-V-Benchで測定しています。

  4. Findings of EMNLP 2026

    CAMFT: Conflict-Aware Mergeable Fine-Tuning for Large Language Models

    Jingang Zhou, Haiyang Guo, Yuan Ma, Han Zhu, Xu-Yao Zhang

    タスクモデルをマージしやすくするファインチューニング。各タスクはタスク間の競合が少ない疎なパラメータ集合を更新し、マージしたマルチタスクモデルは標準的なファインチューニングで構築したモデルを上回ります。

  5. ICML 2026

    From Absolute to Relative: Rethinking Reward Shaping in Group-Based Reinforcement Learning

    Wenzhe Niu, Wei He, Zongxia Xie, Jinpeng Ou, Huichuan Fan, Yuchen Ge, et al.(著者13名)

    グループベースの強化学習において、絶対スコアの代わりに相対順位を報酬として用います。

  6. ICASSP 2026

    Think-Augmented Function Calling: Improving LLM Parameter Accuracy Through Embedded Reasoning

    Lei Wei, Xiao Peng, Jinpeng Ou, Bin Wang

    各関数シグネチャに推論用のパラメータを加えることで、モデルが引数を埋める前に考えるようにします。モデルの変更は不要で、APIとの完全な互換性を保ちます。

  7. ICML 2025

    Asymmetric Decision-Making in Online Knowledge Distillation: Unifying Consensus and Divergence

    Zhaowei Chen, Borui Zhao, Yuchen Ge, Yuhao Chen, Renjie Song, Jiajun Liang

    生徒は教師間で一致する点に従い、教師は互いを差別化する点を保持するオンライン蒸留。

  8. EMNLP 2024、メインカンファレンス

    Large Language Models Know What is Key Visual Entity: An LLM-assisted Multimodal Retrieval for VQA

    Pu Jian (Paul Jian), Donglei Yu, Jiajun Zhang

    言語モデルが質問に必要な視覚的エンティティを選び出すため、検索では画像のそれ以外の部分が無視されます。