23845 पेपर
यह ट्यूटोरियल एक एकीकृत ढांचे (unified framework) का परिचय देता है जो नियंत्रण सिद्धांत (control theory) को अत्याधुनिक न्यूरल नेटवर्क सत्यापनकर्ता -CROWN के साथ जोड़ता है ताकि सुरक्षा-महत्वपूर्ण प्रणालियों (safety-critical systems) के लिए लर्निंग-आधारित नियंत्रकों में सुरक्षा और स्थिरता गुणों के स्केलेबल, औपचारिक सत्यापन (formal verification) को सक्षम किया जा सके।
यह शोध पत्र प्रकट करता है कि डिस्क्रीट डिफ्यूजन मॉडल्स में नियंत्रित स्टोकेस्टिसिटी (stochasticity) रेडंडेंट ट्रांज़िशन के माध्यम से एक एरर-करेक्टिंग मैकेनिज्म के रूप में कार्य करती है, जिससे डिस्क्रीट चर्न एंड रीस्टार्ट सैंपलिंग (DCRS) का प्रस्ताव मिलता है, जो एक नवीन एल्गोरिदम है जो उच्च नमूना गुणवत्ता बनाए रखते हुए सैंपलिंग स्टेप्स को कम करके स्पीड-क्वालिटी ट्रेडऑफ में महत्वपूर्ण सुधार करता है।
यह अध्ययन प्रदर्शित करता है कि जहाँ डेटा-समृद्ध क्रॉस-कंट्री परिवेशों में बाल एनीमिया की भविष्यवाणी करने में मॉडल के चयन का प्रभाव सीमित है, वहीं ट्रांसफार्मर-आधारित फाउंडेशन मॉडल TabPFN कम-संसाधन वाले, फ्यू-शॉट परिदृश्यों में बेहतर भेदभाव और अंशांकन (कैलिब्रेशन) प्रदान करके शास्त्रीय विधियों से काफी बेहतर प्रदर्शन करता है, जो अंततः यह प्रकट करता है कि एल्गोरिदम के अंतर की तुलना में जनसंख्या-स्तर की भिन्नताएँ भविष्यवाणी के प्रदर्शन को अधिक संचालित करती हैं।
यह शोध पत्र ईरानी कानूनी ढांचों की अंतर्राष्ट्रीय प्रणालियों के साथ तुलना करके, ईरान में महत्वपूर्ण नियामक अंतराल की पहचान करते हुए और नवाचार एवं मानवीय रचनात्मकता के बीच संतुलन बनाने के लिए कानूनी सुधार प्रस्तावित करते हुए, बौद्धिक संपदा अधिकारों के लिए एआई-जनित कार्यों द्वारा उत्पन्न चुनौतियों का विश्लेषण करता है।
यह शोध पत्र "Cordyceps" को प्रस्तुत करता है, जो एक गुप्त डेटा पॉइज़निंग हमला है जो फाइन-ट्यूनिंग के दौरान लार्ज लैंग्वेज मॉडल्स में एक सिमेंटिक सूचना-छिपाने वाली योजना को समाहित करता है, जिससे मनमाने निर्देशों के माध्यम से गुप्त नियंत्रण सक्षम होता है और मौजूदा बैकडोर एवं प्रॉम्प्ट इंजेक्शन सुरक्षा प्रणालियों से प्रभावी ढंग से बच पाना संभव होता है।
AGORA पेपर एक एडेप्टर-ग्राउंडेड (adapter-grounded), इन्फरेंस-फ्री (inference-free) प्रॉम्प्ट कंप्रेशन विधि प्रस्तावित करता है जो टोकन-लेवल एक्सट्रैक्टिव कंप्रेशर्स की संरचनात्मक सीमाओं को पार करने के लिए एक स्ट्रक्चरल फ्लोर (structural floor) को प्राथमिक गुणवत्ता बाधा के रूप में अलग करता है और एक सीखे हुए स्कोरर (learned scorer) के माध्यम से अनकंप्रेस्ड प्रदर्शन को बनाए रखते हुए 1.0–11.5x एडेप्टिव कंप्रेशन प्राप्त करता है।
यह शोध पत्र DyCo-CL का प्रस्ताव करता है, जो एक ज्यामिति-जागरूक (geometry-aware) कंट्रास्टिव लर्निंग फ्रेमवर्क है जो स्पेक्ट्रल अस्थिरता और सिमेंटिक ड्रिफ्ट को दूर करने के लिए वर्चुअल एडवर्सरियल ऑग्मेंटेशन, एक सिग्नल-एडेप्टिव स्विन बैकबोन और हाइब्रिड नॉलेज फ्यूजन को एकीकृत करता है, जिससे फ्यू-शॉट ऑटोमैटिक मॉड्यूलेशन रिकग्निशन में 6.27% सटीकता में सुधार प्राप्त होता है।
यह शोध पत्र Pilot-Commit को प्रस्तुत करता है, जो एक बजट-जागरूक रोलआउट आवंटन ढांचा है जो ग्रुप-आधारित आरएल (RL) पोस्ट-ट्रेनिंग के दौरान गतिशील रूप से उच्च-विचलन वाले प्रॉम्प्ट्स की पहचान और उन्हें प्राथमिकता देता है, जो GRPO और DAPO जैसी मौजूदा विधियों की तुलना में सैंपलिंग लागत को काफी कम करता है और अभिसरण (convergence) को तेज करता है।
UnityMAS-O एक सामान्य सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो संपूर्ण वर्कफ़्लो को प्रशिक्षण इकाई के रूप में मानकर और एक लचीले चार-वस्तु अमूर्तता (four-object abstraction) के माध्यम से तार्किक भूमिकाओं को मॉडल मापदंडों से अलग करके LLM-आधारित मल्टी-एजेंट सिस्टम को अनुकूलित करता है, और QA तथा कोड जनरेशन जैसे विविध कार्यों में महत्वपूर्ण प्रदर्शन लाभ प्रदर्शित करता है।
यह शोध पत्र PANDA का प्रस्ताव करता है, जो एक पेनल्टी-आधारित फर्स्ट-ऑर्डर पॉलिसी-ग्रेडिएंट विधि है जो कुशलतापूर्वक उन बाइलेवल ऑप्टिमाइज़ेशन समस्याओं को हल करती है जहाँ लोअर लेवल एक ज़ीरो-सम मार्कोव गेम है, और बिना किसी सेकंड-ऑर्डर जानकारी या कॉनवेक्सिटी धारणाओं की आवश्यकता के, इष्टतम सैंपल कॉम्प्लेक्सिटी के साथ स्टेशनरी पॉइंट्स पर अभिसरण (कन्वर्जेंस) प्राप्त करता है।