革新知能統合研究センター

2025年10月7日〜10日にカナダ・モントリオールで開催される国際会議「COLM2025（Conference on Language Modeling）」において、AIPセンターから下記の通り2本の論文が採択されました。

[COLM 2025] https://colmweb.org/

• Off-Policy Corrected Reward Modeling for Reinforcement Learning from Human
  Feedback
  Johannes Ackermann (The University of Tokyo / RIKEN AIP)
  Takashi Ishida (RIKEN AIP / The University of Tokyo)
  Masashi Sugiyama (RIKEN AIP / The University of Tokyo)
• When Does Metadata Conditioning (NOT) Work for Language Model Pre-Training? A
  Study with Context-Free Grammars
  Rei Higuchi (The University of Tokyo / RIKEN AIP)
  Ryotaro Kawata (The University of Tokyo / RIKEN AIP)
  Naoki Nishikawa (The University of Tokyo / RIKEN AIP)
  Kazusato Oko (UC Berkeley / RIKEN AIP)
  Shoichiro Yamaguchi (Preferred Networks, Inc.)
  Sosuke Kobayashi (Preferred Networks, Inc. / Tohoku University)
  Seiya Tokui (Preferred Networks, Inc.)
  Kohei Hayashi (The University of Tokyo)
  Daisuke Okanohara (Preferred Networks, Inc.)
  Taiji Suzuki (The University of Tokyo / RIKEN AIP)

関連研究室