24509 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि वेबसाइटें इसके UI इंटरैक्शन ट्रेस और टाइमिंग का विश्लेषण करके 96% तक की सटीकता के साथ ब्राउज़र एजेंट को संचालित करने वाले विशिष्ट लार्ज लैंग्वेज मॉडल की निष्क्रिय रूप से पहचान कर सकती हैं, जो एक महत्वपूर्ण सुरक्षा भेद्यता को उजागर करता है जो साधारण टाइमिंग विलंब (delay) पेश किए जाने पर भी बनी रहती है।
यह शोध पत्र "ग्राफ्स ऑफ रिसर्च" (GoR) का प्रस्ताव करता है, जो एक सुपरवाइज्ड फाइन-ट्यूनिंग विधि है जो संदर्भ पड़ोस (reference neighborhoods) से प्राप्त संरचित उद्धरण-विकास ग्राफों (citation-evolution graphs) का लाभ उठाकर बड़े भाषा मॉडलों की नवीन अनुसंधान विचार उत्पन्न करने की क्षमता में महत्वपूर्ण सुधार करती है, और मौजूदा बेसलाइनों पर अत्याधुनिक प्रदर्शन प्राप्त करती है।
यह शोध पत्र दो पूरक एआई एजेंट प्रणालियों, \texttt{CMBEvolve} और \texttt{CosmoEvolve} को प्रस्तुत करता है, जो क्रमशः कोड विकास के माध्यम से मात्रात्मक कार्यों को अनुकूलित करके और ओपन-एंडेड अनुसंधान वर्कफ़्लो को प्रबंधित करके कॉस्मोलॉजी (ब्रह्मांड विज्ञान) में स्वायत्त वैज्ञानिक खोज को आगे बढ़ाते हैं, जैसा कि कमजोर-लेंसिंग मानचित्र विश्लेषण और ACT DR6 डेटा प्रोसेसिंग पर उनके सफल अनुप्रयोग द्वारा प्रदर्शित किया गया है।
यह शोधपत्र भविष्य की संपीड़न प्रगति (compression progress) के लिए एक आगमनात्मक अनुमानी (inductive heuristic) के रूप में "दिलचस्पता" (interestingness) को औपचारिक रूप देता है, और सैद्धांतिक विश्लेषण एवं अनुभवजन्य प्रयोगों के माध्यम से यह प्रदर्शित करता है कि पिछले क्रांतिकारी बदलाव (breakthroughs) भविष्य की खोज की घातांकीय रूप से भविष्यवाणी करते हैं, जिसमें एल्गोरिद्मिक प्रायर (Algorithmic Prior), लेंथ प्रायर (Length Prior) की तुलना में काफी अधिक आशावादी अनुमान प्रस्तुत करता है।
GPart एक अत्यधिक पैरामीटर-कुशल फाइन-ट्यूनिंग विधि पेश करता है जो एक एकल निम्न-आयामी (low-dimensional) प्रशिक्षित वेक्टर को एक वैश्विक विभाजन मैट्रिक्स (global partition matrix) के माध्यम से सीधे पूर्ण भार स्थान (full weight space) में मैप करके एंड-टू-एंड आइसोमेट्री (isometry) प्राप्त करता है, जिससे LoRA की दूरी-विकृत करने वाली लो-रैंक बाधा (distance-distorting low-rank bottleneck) समाप्त हो जाती है और विविध कार्यों में अत्याधुनिक प्रदर्शन मिलता है।
XFP एक गतिशील, कैलिब्रेशन-मुक्त वेट क्वांटाइजेशन विधि है जो उपयोगकर्ता द्वारा निर्दिष्ट गुणवत्ता थ्रेशोल्ड के आधार पर कोडबुक मापदंडों को स्वचालित रूप से निर्धारित करता है, जो उच्च थ्रूपुट और सटीकता प्राप्त करने के लिए स्पार्स आउटलेर्स को प्रभावी ढंग से अलग करता है और इसके गुणवत्ता-संचालित "H-Process" इटरेशन के माध्यम से विशाल मॉडलों को सीमित मेमोरी के भीतर फिट होने में सक्षम बनाता है।
यह शोध पत्र एक समग्र मूल्यांकन ढांचे को प्रस्तुत करता है जो AI एजेंटों में विफलताओं को प्रभावी ढंग से स्थानीयकृत और वर्गीकृत करने के लिए टॉप-डाउन निदान (top-down diagnosis) को बॉटम-अप स्पैन-स्तरीय मूल्यांकन (bottom-up span-level assessment) के साथ जोड़ता है, जो TRAIL बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करता है और यह प्रदर्शित करता है कि एजेंट निदान में मॉडल क्षमता के बजाय मूल्यांकन पद्धति ही प्राथमिक बाधा है।
यह शोध पत्र यह प्रकट करता है कि कंट्रास्टिवली प्री-ट्रेन्ड विजन-लैंग्वेज मॉडल्स में साझा मल्टी-मोडल नॉइज़ का एक पर्याप्त, इनवेरिएंट सबस्पेस होता है जिसे डाउनस्ट्रीम परफॉरमेंस को नुकसान पहुँचाए बिना सुरक्षित रूप से प्रून किया जा सकता है, जिससे उनके लेटेंट रिप्रेजेंटेशनल स्ट्रक्चर में नए मैकेनिस्टिक इनसाइट्स प्राप्त होते हैं।
यह शोधपत्र COREKG प्रस्तुत करता है, जो एक व्यक्तिगत नॉलेज ग्राफ सारांशीकरण ढांचा (personalized knowledge graph summarization framework) है जो कोसेट सिद्धांत (coreset theory) और संवेदनशीलता-आधारित महत्व नमूनाकरण (sensitivity-based importance sampling) का लाभ उठाकर सघन, उपयोगकर्ता-विशिष्ट उपग्राफ (subgraphs) उत्पन्न करता है जो अत्याधुनिक विधियों की तुलना में उच्च सटीकता और संरचनात्मक कवरेज बनाए रखते हुए स्टोरेज और क्वेरी रनटाइम को काफी कम कर देता है।
यह शोध पत्र KGPFN का प्रस्ताव करता है, जो एक नॉलेज ग्राफ फाउंडेशन मॉडल है जो प्रायर-डेटा फिटेड नेटवर्क्स का लाभ उठाकर हस्तांतरणीय रिलेशनल रेगुलैरिटीज को स्थानीय और वैश्विक इन-कॉन्टेक्स्ट लर्निंग के साथ एकीकृत करता है, जिससे बिना फाइन-ट्यूनिंग के 57 बेंचमार्क पर अनदेखे ग्राफ्स के प्रति उत्कृष्ट अनुकूलन प्राप्त होता है।