24509 पेपर
यह शोध पत्र RisCoSet को प्रस्तुत करता है, जो एक नवीन ढांचा (framework) है जो LLM-आधारित कोड जनरेशन के लिए जोखिम-नियंत्रित भविष्यवाणी सेट (risk-controlling prediction sets) बनाने के लिए मल्टीपल हाइपोथीसिस टेस्टिंग का लाभ उठाता है, जो कई वैध आउटपुट को समायोजित करके और उच्च सटीकता के विश्वास को बनाए रखते हुए अनावश्यक कोड हटाने को काफी कम करके मौजूदा विधियों की सीमाओं को प्रभावी ढंग से दूर करता है।
यह शोध पत्र प्रदर्शित करता है कि GRPO प्रशिक्षण के तहत, LoRA के B मैट्रिक्स में प्रशिक्षित मापदंडों (trainable parameters) का विशिष्ट स्थान प्रदर्शन के लिए महत्वपूर्ण है, जबकि SFT के लिए यादृच्छिक (random) प्लेसमेंट पर्याप्त है, और उन आवश्यक मापदंडों की पहचान करने के लिए एक तेज़, कम लागत वाली स्कोरिंग विधि प्रस्तावित करता है जो निरंतर रेसिडुअल-स्ट्रीम-राइटिंग प्रोजेक्शन्स (residual-stream-writing projections) पर केंद्रित होते हैं।
यह शोध पत्र सेल्फ-सुपरवाइज्ड लाप्लास एप्रोक्सिमेशन (SSLA) को प्रस्तुत करता है, जो एक नवीन, सैंपलिंग-मुक्त विधि है जो स्वयं-अनुमानित डेटा पर मॉडलों को पुनः फिट करके बेयसियन प्रेडिक्टिव अनसर्टेंटी (Bayesian predictive uncertainty) को परिमाणित करती है, और विभिन्न रिग्रेशन कार्यों में शास्त्रीय लाप्लास एप्रोक्सिमेशन की तुलना में बेहतर कैलिब्रेशन और कम्प्यूटेशनल दक्षता प्रदान करती है।
यह शोध पत्र Goal-Mem को प्रस्तुत करता है, जो RAG-आधारित एजेंटिक मेमोरी के लिए एक लक्ष्य-उन्मुख तर्क ढांचा (goal-oriented reasoning framework) है, जो उपयोगकर्ता के लक्ष्यों को लक्षित पुनर्प्राप्ति (targeted retrieval) के लिए परमाणु उप-लक्ष्यों (atomic subgoals) में विभाजित करके और इस प्रक्रिया को नेचुरल लैंग्वेज लॉजिक में औपचारिक रूप देकर दीर्घकालिक संवादात्मक प्रदर्शन में सुधार करता है, जिससे यह मल्टी-हॉप और निहित अनुमान (implicit inference) कार्यों पर मौजूदा विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र एक हेट्रोजेनियस FPGA-आधारित सिस्टम-ऑन-चिप प्रस्तुत करता है जो कुशल, कम-शक्ति वाले न्यूरोमॉर्फिक एज कंप्यूटिंग को सक्षम करने के लिए RISC-V और ARM प्रोसेसर के साथ ओपन-सोर्स ReckOn रिकरेंट स्पाइकिंग न्यूरल नेटवर्क एक्सेलेरेटर को एकीकृत करता है, जिसे टेप-आउट सिलिकॉन के साथ सटीकता समानता और ब्रेल डिजिट डेटासेट पर ऑनलाइन लर्निंग प्रदर्शन के माध्यम से मान्य किया गया है।
यह शोध पत्र टर्मिनल एजेंटों की प्रासंगिक पर्यावरणीय निर्देशों का चयन करने और व्याकुल करने वाले तत्वों (distractors) को अनदेखा करने की क्षमता का मूल्यांकन करने के लिए टास्क अलाइनमेंट बेंचमार्क (TAB) प्रस्तुत करता है, जो यह प्रकट करता है कि वर्तमान फ्रंटियर एजेंट इस अंतर को समझने में संघर्ष करते हैं और मौजूदा रक्षा तंत्र अक्सर हानिकारक और आवश्यक दोनों संकेतों को दबा देते हैं।
यह शोध पत्र एजेंट एक्सटर्नलाइजेशन (externalization) के चार स्तंभों को आर्कएजेंट्स (ArchAgents) फ्रेमवर्क के ट्रिपल (G, Know, Phi) के साथ मैप करके, एलएलएम (LLM) एजेंट हार्नेस इंजीनियरिंग के लिए औपचारिक सैद्धांतिक आधार के रूप में कैटेगोरिकल आर्किटेक्चर (categorical architecture) को स्थापित करता है, जिससे आउटपुट-लेयर शुद्धता के बजाय आइडेंटिटी (identity) और रिप्ले (replay) के माध्यम से सत्यापित संरचनात्मक गारंटी और क्रॉस-फ्रेमवर्क संकलन (compilation) सक्षम होता है।
यह शोध पत्र एक बहुभाषी स्पीच करेक्शन पाइपलाइन का प्रस्ताव करता है जो टोकन-स्तरीय डिसफ्लुएंसी डिटेक्शन को इंस्ट्रक्शन फाइन-ट्यूनिंग और एक कंट्रास्टिव लर्निंग ऑब्जेक्टिव के साथ जोड़ता है ताकि व्याकरणिक संरचना और अर्थ संबंधी सुसंगतता को बनाए रखते हुए एएसआर (ASR) ट्रांसक्रिप्ट से फिलर्स और पुनरावृत्तियों को प्रभावी ढंग से हटाया जा सके, जो हिंदी, बंगाली और मराठी में मौजूदा बेसलाइनों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र समान प्रेक्षणों से भिन्न निष्कर्षों की घटना को तर्कसंगतता या सद्भावना के दोष के रूप में नहीं, बल्कि भिन्न अनुमान प्रोफाइल और शिक्षण पूर्वाग्रहों से उत्पन्न विश्व-मॉडल गैर-निश्चयात्मकता (non-identifiability) की एक संरचनात्मक समस्या के रूप में औपचारिक रूप देता है।
यह शोध पत्र 'missingness-MDPs' को प्रस्तुत करता है, जो POMDPs का एक नवीन उपवर्ग है जो मिसिंग डेटा थ्योरी के माध्यम से स्टेट फीचर अनऑब्जर्वेबिलिटी (state feature unobservability) को मॉडल करता है, और ट्रैजेक्टरी डेटा से अंतर्निहित मिसिंगनेस फंक्शन को सीखने के लिए PAC एल्गोरिदम प्रस्तावित करता है ताकि एप्सिलॉन-इष्टतम (epsilon-optimal) नीतियां प्राप्त की जा सकें।