24189 पेपर
यह शोध पत्र लेटेंट एक्शन कंट्रोल (LAC) का प्रस्ताव करता है, जो एक ऐसी विधि है जो एक साझा बैकबोन के भीतर छिपे हुए निरंतर कार्यों (hidden continuous actions) के रूप में तर्क को निरूपित करके एकीकृत छवि निर्माण को उन्नत करती है, जिससे मॉडल मध्यवर्ती तर्क टोकन या छवियों को उत्पन्न किए बिना अनुमानित ज्ञान और स्थानिक संबंधों को उच्च-गुणवत्ता वाले दृश्य आउटपुट में प्रभावी ढंग से अनुवादित करने में सक्षम होते हैं।
यह शोध पत्र कृत्रिम बुद्धिमत्ता का उपयोग करके इनवर्स पार्शियल डिफरेंशियल इक्वेशन समस्याओं को हल करने में हालिया प्रगति की एक व्यापक समीक्षा प्रदान करता है, जो इनवर्स समस्याओं, डिज़ाइन और नियंत्रण के लिए विधियों को व्यवस्थित रूप से वर्गीकृत करता है और प्रमुख अनुप्रयोगों का सारांश प्रस्तुत करते हुए भौतिकी-सूचित आर्किटेक्चर (physics-informed architectures) और अनिश्चितता परिमाणीकरण (uncertainty quantification) जैसी भविष्य की चुनौतियों को रेखांकित करता है।
यह शोध पत्र एक पैरामीटर-कुशल ढांचे का प्रस्ताव करता है जो बैकबोन को पुन: प्रशिक्षित किए बिना संरचनात्मक अनुकूलता और सिमेंटिक टेम्पोरल मॉडलिंग के लिए एक हल्के प्लग-इन मॉड्यूल को पेश करके प्रीट्रेन्ड 10-सेकंड ईसीजी फाउंडेशन मॉडल्स को लंबे, परिवर्तनशील-लंबाई वाले रिकॉर्डिंग को संभालने के लिए विस्तारित करता है।
यह शोध पत्र प्रदर्शित करता है कि मल्टी-चॉइस आइटम की शब्दावली पर ट्रांसफॉर्मर एनकोडर को एंड-टू-एंड फाइन-ट्यून करना, विशेष रूप से जब इसे मल्टी-टास्क लर्निंग ऑब्जेक्टिव के साथ बढ़ाया जाता है, प्रभावी रूप से रिस्पॉन्स-फ्री आइटम कठिनाई को मॉडल करता है और पारंपरिक फीचर-इंजीनियरिंग पाइपलाइनों से बेहतर प्रदर्शन करता है, विशेष रूप से लो-डेटा व्यवस्था में।
यह अध्ययन नैदानिक एआई (AI) प्रणालियों का व्यवस्थित रूप से ऑडिट करता है, जिससे यह पता चलता है कि वे अदृश्य प्रतिकूल विचलनों (adversarial perturbations) और नाइजीरियाई पिडिन एवं योरूबा-प्रभावित अंग्रेजी जैसी कम-संसाधन वाली भाषाओं में क्रॉस-लिंगुअल बदलावों के तहत नैदानिक सटीकता में विनाशकारी गिरावट का सामना करती हैं, जिससे विविध, वास्तविक दुनिया के स्वास्थ्य देखभाल परिवेशों में उनकी तैनाती में महत्वपूर्ण सुरक्षा अंतराल उजागर होते हैं।
यह शोध पत्र BoLT को प्रस्तुत करता है, जो महंगे LLM कार्यों के लिए ब्लैक-बॉक्स अनुकूलन (black-box optimization) अनुसंधान का लोकतंत्रीकरण करने वाला पहला बेंचमार्क है, जो हाइपरपैरामीटर्स, प्रॉम्प्ट्स और कॉन्फ़िगरेशन के अनुकूलन विधियों का मूल्यांकन करने और उन्हें सुधारने के लिए पुनरुत्पादनीय (reproducible), वास्तविक-डेटा-संचालित सरोगेट मॉडल प्रदान करता है।
यह शोध पत्र लर्निंग-ज़ोन एनर्जी (LZE) का परिचय देता है, जो एक ऑनलाइन डेटा चयन ढांचा है जो बड़े भाषा मॉडलों के लिए सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) पोस्ट-ट्रेनिंग को अनुकूलित करता है, और मॉडल के सक्रिय शिक्षण सीमा (एक्टिव लर्निंग फ्रंटियर) के भीतर के प्रॉम्प्ट्स पर गतिशील रूप से गणनात्मक संसाधनों को केंद्रित करके, काफी कम डेटा उपयोग और प्रशिक्षण लागत के साथ बेहतर गणितीय तर्क प्रदर्शन प्राप्त करता है।
यह शोध पत्र बिहेवियर फाउंडेशन मॉडल्स (Behavior Foundation Models) के लिए एक सुदृढ़ मिनिमैक्स ऑप्टिमाइज़ेशन फ्रेमवर्क प्रस्तावित करता है जो केवल नाममात्र (nominal) परिवेश डेटा का उपयोग करके प्रभावी ऑफलाइन इमिटेशन लर्निंग और अनदेखे डायनेमिक्स शिफ्ट्स के अनुकूलन को सक्षम बनाता है, जो प्रीट्रेनिंग संशोधनों की आवश्यकता के बिना मौजूदा बेसलाइन्स से काफी बेहतर प्रदर्शन करता है।
यह शोधपत्र ConfSleepNet प्रस्तुत करता है, जो एक संघर्ष-जागरूक साक्ष्य ढांचा (conflict-aware evidential framework) है जो हाइब्रिड श्रेणी संरचनाओं और दृश्य-विशिष्ट मतों को संश्लेषित करने के लिए एक नवीन एकत्रीकरण पद्धति के माध्यम से इंटर-व्यू संघर्षों को गतिशील रूप से हल करके मल्टी-मोडल स्लीप स्टेज वर्गीकरण की विश्वसनीयता को बढ़ाता है।
"PARALLAX" नामक शोध पत्र यह प्रकट करता है कि लार्ज लैंग्वेज मॉडल्स के लिए मतिभ्रम (hallucination) का पता लगाने में रिपोर्ट की गई अधिकांश प्रगति वास्तव में दोषपूर्ण बेंचमार्क डिज़ाइनों का एक कृत्रिम परिणाम है जहाँ ग्राउंड-ट्रुथ उत्तर प्रॉम्प्ट्स में ही अंतर्निहित होते हैं, जो यह प्रदर्शित करता है कि केवल SAPLMA और DRIFT जैसे ऊपरी-परत के हिडन स्टेट्स पर सुपरवाइज्ड प्रोब्स ही वास्तविक पहचान क्षमताओं को बनाए रखते हैं जब इन आर्टिफैक्ट्स को नियंत्रित किया जाता है।