24509 पेपर
यह शोध पत्र "LaTeXpOsEd" प्रस्तुत करता है, जो 1,00,000 से अधिक arXiv सबमिशन का एक व्यवस्थित बड़े पैमाने पर सुरक्षा ऑडिट है, जो पैटर्न मिलान और लार्ज लैंग्वेज मॉडल्स को एकीकृत करने वाले एक नवीन ढांचे का लाभ उठाकर सोर्स फाइलों और टिप्पणियों में संवेदनशील क्रेडेंशियल्स, PII और गोपनीय संचार सहित व्यापक सूचना रिसाव को प्रकट करता है।
यह शोध पत्र एक कंट्रोल-ऑगमेंटेड ऑटोरेग्रेसिव डिफ्यूजन फ्रेमवर्क पेश करता है जो डीनोइजिंग के दौरान स्टेपवाइज सुधारों को इंजेक्ट करने के लिए ऑफलाइन-प्रशिक्षित कंट्रोलर का लाभ उठाता है, जो मौजूदा डिफ्यूजन-आधारित बेसलाइनों की तुलना में अराजक स्पैटियोटेम्पोरल PDEs के डेटा एसिमिलेशन की गति, स्थिरता और सटीकता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र एक अपेक्षा-अधिकतमीकरण (expectation-maximization) एल्गोरिदम पेश करके LLM तुलना मोड से प्राप्त उपयोगकर्ता-जनित युग्म-वरीयता डेटा का लाभ उठाने के लिए एक विधि प्रस्तावित करता है, जो विषम मॉडल प्रतिक्रियाओं के माध्यम से अंतर्निहित उपयोगकर्ता गुणवत्ता कारकों का अनुमान लगाता है, जिससे प्रभावी डेटा फ़िल्टरिंग और बेहतर LLM संरेखण सक्षम होता है।
GenCellAgent एक प्रशिक्षण-मुक्त (training-free), मल्टी-एजेंट फ्रेमवर्क है जो विविध मोडैलिटीज़ और नवीन ऑर्गेनेल्स (organelles) के लिए बिना पुन: प्रशिक्षण की आवश्यकता के, स्टेट-ऑफ-द-आर्ट, अनुकूलनीय सेलुलर इमेज सेगमेंटेशन प्राप्त करने के लिए विशेषज्ञ उपकरणों और विजन-लैंग्वेज मॉडल्स को गतिशील रूप से ऑर्केस्ट्रेट करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है।
यह शोध पत्र LILO को प्रस्तुत करता है, जो एक ऐसा बेयसियन ऑप्टिमाइज़ेशन फ्रेमवर्क है जो मुक्त-रूप प्राकृतिक भाषा फीडबैक को संरचित प्राथमिकता संकेतों में बदलने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे पारंपरिक तरीकों की तुलना में जटिल, व्यक्तिपरक उद्देश्यों को अनुकूलित करने में नमूना दक्षता और लचीलेपन को बढ़ाया जा सके।
यह शोध पत्र ActivationReasoning प्रस्तुत करता है, जो एक ऐसा ढांचा है जो स्पार्स ऑटोएनकोडर (sparse autoencoder) फीचर्स को तार्किक प्रस्थापनाओं (logical propositions) के साथ मैप करके लार्ज लैंग्वेज मॉडल्स के लेटेंट एक्टिवेशन स्पेस में स्पष्ट तार्किक तर्क को समाहित करता है, जिससे विविध कार्यों और मॉडल आर्किटेक्चरों में पारदर्शी, नियंत्रणीय और सुदृढ़ मल्टी-हॉप रीजनिंग सक्षम होती है।
यह शोध पत्र MURPHY को प्रस्तुत करता है, जो ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन (GRPO) का एक मल्टी-टर्न विस्तार है, जो फीडबैक-कंडीशन्ड रोलआउट ट्रीज़ और रेट्रोस्पेक्टिव क्रेडिट असाइनमेंट का उपयोग करता है ताकि सफल सुधारों से पहले के सूचनात्मक प्रयासों तक पुरस्कारों को प्रसारित करके सेल्फ-करेक्टिंग कोड जनरेशन में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र एंड-टू-एंड डीप लर्निंग पाइपलाइनों के भीतर पांडास (Pandas), पोलार्स (Polars) और डैस्क (Dask) का एक व्यापक तुलनात्मक विश्लेषण प्रदान करता है, जो महत्वपूर्ण GPU-गहन डेटा प्रोसेसिंग चरणों के दौरान उनके रनटाइम, मेमोरी, डिस्क उपयोग और ऊर्जा खपत का मूल्यांकन करता है।
यह शोध पत्र "कंसेंसस सैंपलिंग" (Consensus Sampling) का परिचय देता है, जो एक आर्किटेक्चर-अज्ञेय ब्लैक-बॉक्स एल्गोरिदम है जो मॉडलों के सबसे सुरक्षित उपसमूह के प्रतिस्पर्धी सुरक्षा गारंटी प्राप्त करने के लिए कई जनरेटिव एआई वितरणों को एकत्रित करता है और अपर्याप्त सहमति होने पर परिणाम देने से बचता है, जिससे अदृश्य जोखिमों और प्रतिकूल प्रभाव को कम किया जा सके।
यह शोध पत्र डाइवर्जेंस-इन-बिहेवियर ऑडिटिंग (DIBA) को प्रस्तुत करता है, जो एक व्हाइट-बॉक्स फ्रेमवर्क है जो प्री- और पोस्ट-RLVR मॉडल चेकपॉइंट्स के बीच व्यवहार संबंधी और रिवॉर्ड-साइड वितरण बदलावों का विश्लेषण करके, वेरिफिएबल रिवार्ड्स के साथ रिइन्फोर्समेंट लर्निंग (RLVR) में अनधिकृत डेटा एक्सपोज़र का प्रभावी ढंग से पता लगाता है, और मौजूदा मेंबरशिप इन्फरेंस बेसलाइन्स से काफी बेहतर प्रदर्शन करता है।