23872 पेपर
यह शोध पत्र PCGRLLM प्रस्तुत करता है, जो एक लार्ज लैंग्वेज मॉडल-संचालित फ्रेमवर्क है जो प्रोसीजरल कंटेंट जनरेशन के लिए रिवॉर्ड फंक्शन्स को स्वचालित रूप से डिजाइन करने के लिए फीडबैक मैकेनिज्म और रीजनिंग-आधारित प्रॉम्प्ट इंजीनियरिंग का उपयोग करता है, जिससे मानव-तुलनीय प्रदर्शन प्राप्त होता है और मैनुअल डोमेन विशेषज्ञता की आवश्यकता काफी कम हो जाती है।
यह शोध पत्र एक नवीन ढांचे का प्रस्ताव करता है जो सुदृढीकरण शिक्षण फाइन-ट्यूनिंग (reinforcement learning fine-tuning) के माध्यम से LLM सर्च ऑपरेटर को निरंतर परिष्कृत करके एल्गोरिदम खोज के लिए LLM-आधारित विकासवादी खोज (evolutionary search) को बढ़ाता है, जिससे कॉम्बिनेटरियल ऑप्टिमाइज़ेशन कार्यों में श्रेष्ठ समाधानों की पहचान करने की प्रक्रिया में तेजी आती है।
यह शोध पत्र डायरेक्ट डॉक्यूमेंट रिलेवेंस ऑप्टिमाइजेशन (DDRO) का प्रस्ताव करता है, जो एक हल्का और कुशल तरीका है जो डायरेक्ट पेयरवाइज रैंकिंग के माध्यम से टोकन-लेवल डॉक्यूमेंट आइडेंटिफायर जनरेशन को डॉक्यूमेंट-लेवल रिलेवेंस के साथ संरेखित करता है, जिससे सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) की कम्प्यूटेशनल जटिलता और अस्थिरता समाप्त हो जाती है और बेंचमार्क डेटासेट्स पर मौजूदा दृष्टिकोणों से काफी बेहतर प्रदर्शन होता है।
यह शोध पत्र एक रिसोर्स स्पेस मॉडल और एक लागत प्रभावी ग्राफ इंडेक्सिंग रणनीति प्रस्तावित करता है ताकि कोआर्डिनेट ट्रीज़ पर आंशिक क्रम संबंधों (partial order relations) के माध्यम से नेविगेट करके गैर-रिक्त बिंदुओं को खोजने और एकत्रित करने हेतु बहु-आयामी संसाधनों पर सबस्पेस एग्रीगेशन क्वेरीज़ को कुशलतापूर्वक समर्थित किया जा सके।
यह शोधपत्र एक कुशल और स्केलेबल न्यूरल-सिम्बोलिक खोज पद्धति प्रस्तावित करता है जो डेटा जटिलता को कम करने के लिए बाधा रणनीतियों (constraint strategies) को और जटिल क्वेरी उत्तर देने के लिए एनपी-हार्ड साइक्लिक क्वेरीज़ को संभालने के लिए एक स्थानीय खोज एल्गोरिदम को जोड़ती है, जिससे बड़े पैमाने के नॉलेज ग्राफ पर जटिल क्वेरी उत्तर देने के लिए महत्वपूर्ण गति और मजबूत प्रदर्शन प्राप्त होता है।
यह शोध पत्र SCAN को प्रस्तुत करता है, जो विजन-लैंग्वेज फ्यू-शॉट एडेप्टेशन के लिए एक पैरामीटर-मुक्त फ्रेमवर्क है, जो क्वेरी-विशिष्ट क्लास कन्फ्यूजन और डिस्ट्रीब्यूशन शिफ्ट को प्रभावी ढंग से संबोधित करने के लिए क्वेरी-विशिष्ट नेगेटिव रूटिंग, LLM-जनरेटेड कॉन्ट्रास्टिव प्रॉम्प्ट्स और एडेप्टिव फ्यूजन वेट्स का उपयोग करके प्रदर्शन को बढ़ाता है।
PhySense एक सहक्रियात्मक दो-चरणीय ढांचा है जो एक फ्लो-आधारित जनरेटिव मॉडल और प्रोजेक्टेड ग्रेडिएंट डिसेंट का उपयोग करके विरल सेंसर प्लेसमेंट (sparse sensor placement) और सघन भौतिक क्षेत्र पुनर्निर्माण (dense physical field reconstruction) को संयुक्त रूप से अनुकूलित करता है, जो विचरण-न्यूनतमकरण सिद्धांतों (variance-minimization principles) के अनुरूप सैद्धांतिक गारंटी प्रदान करते हुए अत्याधुनिक सटीकता प्राप्त करता है।
यह शोध पत्र ट्राजेक्टरी-डिस्टिल्ड GFlowNet (TD-GFN) प्रस्तुत करता है, जो एक प्रॉक्सी-मुक्त ढांचा है जो गाइडेड एक्सप्लोरेशन के लिए ऑफलाइन डेटा से डेंस एज रिवार्ड्स निकालने के लिए इनवर्स रिइन्फोर्समेंट लर्निंग का लाभ उठाता है और मजबूत प्रशिक्षण सुनिश्चित करने के लिए विशेष रूप से ग्राउंड-ट्रुथ टर्मिनल रिवार्ड्स पर निर्भर करता है, जिससे यह कन्वर्जेंस स्पीड और सैंपल क्वालिटी में मौजूदा बेसलाइन्स से बेहतर प्रदर्शन करता है।
MultiPhishGuard एक व्याख्यात्मक, अनुकूलन योग्य मल्टी-एजेंट LLM फ्रेमवर्क है जो गतिशील रूप से भारित समन्वय और प्रतिकूल प्रशिक्षण वाले विशिष्ट एजेंटों का उपयोग करता है ताकि 97.89% सटीकता प्राप्त करते हुए मानव-पठनीय स्पष्टीकरण प्रदान करने के साथ बेहतर फिशिंग ईमेल डिटेक्शन प्रदर्शन हासिल किया जा सके।
यह शोध पत्र DeepEDM को पेश करता है, जो एक नवीन ढांचा है जो टैकेंस के प्रमेय (Takens' theorem) और कर्नेल रिग्रेशन के माध्यम से नॉनलीनर डायनेमिकल सिस्टम मॉडलिंग को डीप न्यूरल नेटवर्क के साथ एकीकृत करता है ताकि मजबूत और सटीक टाइम सीरीज़ पूर्वानुमान प्राप्त किया जा सके जो अत्याधुनिक विधियों से बेहतर प्रदर्शन करता है।