23941 पेपर
यह शोधपत्र सिंगुलर वैल्यू कैलिब्रेशन (SVC) को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त विधि है जो साझा स्पेक्ट्रल ज्ञान के अत्यधिक संचय के कारण मॉडल मर्जिंग में होने वाले प्रदर्शन ह्रास को कम करती है, जो सबस्पेस ओवरलैप को मात्रात्मक रूप से मापकर और फूले हुए सिंगुलर मानों को पुन: स्केल करके किया जाता है, जिससे विजन और लैंग्वेज बेंचमार्क पर अत्याधुनिक परिणाम प्राप्त होते हैं।
यह शोध पत्र सैद्धांतिक और अनुभवजन्य रूप से यह प्रदर्शित करता है कि पॉलिसी ऑप्टिमाइज़ेशन में रिवर्स कुलबैक-लीब्लर और एंट्रॉपी रेगुलराइजेशन को संयोजित करने से दो-खिलाड़ी शून्य-योग खेलों (two-player zero-sum games) में स्थिर अभिसरण प्राप्त होता है और मौजूदा विधियों की तुलना में पांच बोर्ड गेम वातावरणों में प्रशिक्षण दक्षता में महत्वपूर्ण सुधार होता है।
यह शोधपत्र ARC को प्रस्तुत करता है, जो एक हल्का पदानुक्रमित (hierarchical) नीति है जो एजेंट कॉन्फ़िगरेशन को एक सेमी-मार्कोव निर्णय प्रक्रिया (semi-Markov decision process) के रूप में फ्रेम करता है ताकि गतिशील रूप से क्वेरी-विशिष्ट सेटिंग्स का चयन किया जा सके, जो रीजनिंग, टूल-यूज़ और एजेंटिक बेंचमार्क में स्थिर "वन-साइज़-फिट्स-ऑल" डिज़ाइनों की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र MoralityGym को प्रस्तुत करता है, जो 98 पदानुक्रमित नैतिक दुविधाओं और 'मोरैलिटी चेन्स' नामक एक नवीन औपचारिकता (फॉर्मलिज्म) से युक्त एक बेंचमार्क है, ताकि मनोविज्ञान और दर्शन के अंतर्दृनों को एकीकृत करके क्रमिक निर्णय लेने वाले एजेंटों के नैतिक संरेखण का मूल्यांकन और सुधार किया जा सके।
PenTiDef एक पूर्णतः विकेंद्रीकृत, गोपनीयता-संरक्षण करने वाला और पॉइजनिंग-प्रतिरोधी ढांचा है जो औद्योगिक IoT घुसपैठ का पता लगाने के लिए वितरित डिफरेंशियल प्राइवेसी, एक हल्का लेटेंट-स्पेस रक्षा तंत्र और एक परमिशनयुक्त ब्लॉकचेन को तालमेलपूर्ण रूप से एकीकृत करता है ताकि बिना किसी केंद्रीय सर्वर के एक सुदृढ़, सुरक्षित और स्केलेबल सहयोगात्मक शिक्षण को प्राप्त किया जा सके।
यह शोध पत्र सिद्ध करता है कि फीचर कोलीनियैरिटी (feature collinearity) के तहत कोई भी फीचर रैंकिंग विधि एक साथ फथफुलनेस (faithfulness), स्टेबिलिटी (stability) और कम्प्लीटनेस (completeness) प्राप्त नहीं कर सकती, जो परिणामी डिज़ाइन स्पेस को अस्थिर फथफुल विधियों और DASH जैसे स्थिर एन्सेम्बल दृष्टिकोणों के बीच एक सख्त द्विभाजन के रूप में अभिलक्षणित करता है, और सभी निष्कर्षों को Lean 4 में यांत्रिक रूप से सत्यापित किया गया है।
यह शोध पत्र GOEN को प्रस्तुत करता है, जो एक सरल और कुशल OOD डिटेक्शन पाइपलाइन है जो मल्टी-स्केल फीचर्स और महलानोबिस डिस्टेंस का लाभ उठाकर अत्याधुनिक बेसलाइन्स से बेहतर प्रदर्शन करता है और यह प्रदर्शित करता है कि सेंटरलॉस (CenterLoss), वर्गीकरण सटीकता में सुधार करने के बावजूद, विश्वसनीय एपिस्टेमिक अनसर्टेंटी एस्टीमेशन के लिए आवश्यक फीचर ज्योमेट्री को विकृत करके OOD डिटेक्शन को महत्वपूर्ण रूप से खराब कर देता है।
HealthCraft एक नवीन सार्वजनिक सुदृढीकरण शिक्षण (reinforcement learning) वातावरण है जिसे आपातकालीन चिकित्सा में फ्रंटियर भाषा मॉडलों का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जो एक सख्त द्वि-स्तरीय सुरक्षा रूपरेखा के साथ यथार्थवादी नैदानिक वर्कफ़्लो का अनुकरण करता है, जिससे यह पता चलता है कि वर्तमान मॉडल बहु-चरणीय कार्यों पर लगभग पूर्ण प्रदर्शन पतन से जूझ रहे हैं और सुरक्षा मूल्यांकनों में बुनियादी ढांचे की निष्ठा के महत्वपूर्ण महत्व को रेखांकित करता है।
यह शोध पत्र यह प्रदर्शित करते हुए कि कैसे क्लॉड कोड (Claude Code) जैसे सामान्य-उद्देश्य वाले एजेंट सीटीएफ (CTF) चुनौतियों में जटिल इंजीनियर की गई आर्किटेक्चर के प्रदर्शन के बराबर हैं, लेकिन दोनों ही अभी भी महत्वपूर्ण मानव-स्तर की बाधाओं का सामना करते हैं, और संरचित, बहु-भूमिका ऑर्केस्ट्रेशन (multi-role orchestration), निरंतरता और लागत दक्षता में मोनोलिथिक डिज़ाइनों की तुलना में श्रेष्ठ सिद्ध होता है, ऑफेंसिव सिक्योरिटी में लार्ज लैंग्वेज मॉडल एजेंटों की क्षमताओं का पुनर्मूल्यांकन करता है।
यह शोध पत्र रोग हब (disease hubs) के विशिष्ट टोपोलॉजिकल हस्ताक्षरों (topological signatures) को प्रकट करने के लिए स्तन कैंसर डेटा पर चार ग्राफ न्यूरल नेटवर्क स्पष्टीकरण विधियों का मूल्यांकन करता है और एक सर्वसम्मत ढांचे का प्रस्ताव करता है जो इन पूरक दृष्टिकोणों को एकीकृत करता है ताकि कैनोनिकल कैंसर जीन के प्राथमिकता निर्धारण और जैविक रूप से सुसंगत सिग्नलिंग पथों की रिकवरी में महत्वपूर्ण सुधार किया जा सके।