23851 पेपर
यह शोधपत्र ReasonOps को प्रस्तुत करता है, जो DevOps और MLOps से प्रेरित एक एकीकृत परिचालन प्रतिमान (operational paradigm) है, जो सुरक्षा-महत्वपूर्ण अनुप्रयोगों के लिए लार्ज लैंग्वेज मॉडल रीजनिंग में तार्किक विसंगतियों और विश्वसनीयता अंतराल को संबोधित करने हेतु सिमेंटिक व्याख्या, औपचारिक सत्यापन और रनटाइम आश्वासन को एक निरंतर जीवनचक्र में एकीकृत करता है।
यह शोध पत्र ऑन-पॉलिसी डिस्टिलेशन में "ऑफ-पॉलिसी टीचर डिके" (Off-policy Teacher Decay) समस्या की पहचान करता है और अर्ली स्टॉपिंग रोलआउट (Early Stopping Rollout - ESR) का प्रस्ताव देता है, जो एक ऐसी रणनीति है जो प्रशिक्षण को प्रारंभिक रिस्पॉन्स टोकन तक सीमित करती है, जो दक्षता, स्थिरता में फुल रोलआउट विधियों से बेहतर प्रदर्शन करती है, और यहाँ तक कि "कैस्केडिंग अलाइनमेंट" (Cascading Alignment) और "सब-मोड कमिटमेंट" (Sub-mode Commitment) जैसी प्रक्रियाओं के माध्यम से टीचर के प्रदर्शन को भी पीछे छोड़ देती है।
यह शोध पत्र s-Trace पद्धति को प्रस्तुत करता है जो यह प्रकट करता है कि लार्ज लैंग्वेज मॉडल्स एक मॉड्यूलर, दो-चरणीय तरीके से कार्य करते हैं जहाँ शुरुआती परतों का एक स्पार्स सबग्राफ उथले सांख्यिकी (shallow statistics) के आधार पर एक मोटा अनुमान प्रदान करता है, जिसे बाद की परतों में सघन गणनाओं द्वारा क्रमिक रूप से परिष्कृत किया जाता है, जिसमें आवश्यक गणना की मात्रा मॉडल अनिश्चितता के साथ सह-संबंधित होती है।
यह शोध पत्र प्रोप्रायटरी एआई एजेंट प्रणालियों पर 2025 के पेनिट्रेशन परीक्षणों के निष्कर्ष प्रस्तुत करता है, जो यह प्रकट करता है कि सख्त विकास मानकों के बावजूद, वे अपनी जटिल, असीमित और स्व-संशोधित प्रकृति के कारण ओपन-सोर्स एजेंटों में पाए जाने वाले समान आवर्ती सुरक्षा भेद्यताओं को प्रदर्शित करते हैं।
यह शोध पत्र BatteryMFormer का प्रस्ताव करता है, जो एक मल्टी-लेवल ट्रांसफॉर्मर फ्रेमवर्क है जो बैटरी डेटा की पदानुक्रमित संरचना (hierarchical structure) और स्थानीय विविधताओं को प्रभावी ढंग से मॉडल करने के लिए एजिंग-कंडीशन प्रायर्स (aging-condition priors), मेटा डिग्रेडेशन पैटर्न मेमोरी और एक ड्यूल-व्यू एनकोडर का लाभ उठाता है, जिससे कई डोमेन में बेहतर प्रारंभिक बैटरी डिग्रेडेशन प्रक्षेपवक्र पूर्वानुमान (early battery degradation trajectory forecasting) प्राप्त होता है।
यह शोध पत्र ConVer को प्रस्तुत करता है, जो एक टॉप-डाउन कंपोजिशनल वेरिफिकेशन टूल है जो बड़े C प्रोग्रामों और रूपांतरित LF मॉडलों के सत्यापन में स्टेट-स्पेस एक्सप्लोजन (state-space explosion) से निपटने के लिए फंक्शन कॉन्ट्रैक्ट्स को सिंथेसाइज करने और उन्हें एक CEGAR-CEGIS लूप के माध्यम से पुनरावृत्त रूप से परिष्कृत करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है।
यह शोध पत्र QUACK को प्रस्तुत करता है, जो एक ओपन-सोर्स मल्टीमॉडल सोशल डिटेक्शन फ्रेमवर्क है जो ग्राउंड-ट्रुथ ट्रेजेक्टरीज (ground-truth trajectories) को पुनर्गठित करके लार्ज लैंग्वेज मॉडल एजेंटों का ऑडिट करता है ताकि मतिभ्रम (hallucinations), निराधार आरोपों और भाषा एवं कार्यों के बीच विसंगतियों का स्वतः पता लगाया जा सके और उन्हें मापा जा सके।
यह शोधपत्र एक कार्य-अज्ञेय (task-agnostic) "रिप्रेजेंटेशन-रीडआउट" (representation-readout) अपघटन ढांचे को प्रस्तुत करता है जो ग्रौकिंग (grokking) और डबल डिसेंट (double descent) जैसी जटिल सामान्यीकरण घटनाओं को क्रमिक प्रतिनिधित्व शिक्षण (gradual representation learning) और रीडआउट अंशांकन (readout calibration) के बीच प्रतिस्पर्धी गतिकी के परिणाम के रूप में स्पष्ट करता है, जो वास्तविक शिक्षण को गैर-मानक प्रशिक्षण के कृत्रिम प्रभावों से अलग करने के लिए नए नैदानिक उपकरण प्रदान करता है।
यह शोध पत्र ट्रस्ट रीजन Q-एडजॉइंट मैचिंग (TRQAM) प्रस्तुत करता है, जो एक स्थिर ऑफ-पॉलिसी फाइन-ट्यूनिंग एल्गोरिदम है जो क्रिटिक-प्रेरित अस्थिरता को कम करने के लिए प्रोजेक्टेड डुअल डिसेंट के माध्यम से प्रीट्रेन्ड फ्लो पॉलिसियों से पाथ-स्पेस KL डाइवर्जेंस को अनुकूल रूप से नियंत्रित करता है, जिससे 50 OGBench कार्यों पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र CoMeTS-GAN प्रस्तुत करता है, जो एक गुणवत्ता-जागरूक जनरेटिव फ्रेमवर्क है जो उच्च-निष्ठा वाली सिंथेटिक वित्तीय समय-श्रृंखला (time-series) उत्पन्न करने के लिए डिफ्यूजन मॉडल्स के साथ एक कंडीशनल GAN को एकीकृत करता है, जिससे स्टाइलाइज्ड फैक्ट्स और अंतर-परिसंपत्ति सहसंबंध संरचनाओं को प्रभावी ढंग से कैप्चर किया जा सके।