24608 पेपर
यह शोध पत्र DAPE का प्रस्ताव करता है, जो एक नवीन ढांचा है जो सूचना घनत्व की असमानताओं को दूर करने और डाउनस्ट्रीम कार्य सटीकता को बढ़ाने के साथ-साथ कम्प्यूटेशनल ओवरहेड को कम करने के लिए एक गतिशील गैर-समान संरेखण तंत्र और एक प्रगतिशील विवरण संवर्धन मॉड्यूल पेश करके कुशल विजुअल लैंग्वेज मॉडल्स में सुधार करता है।
यह शोध पत्र OPT-BENCH प्रस्तुत करता है, जो LLM एजेंटों की स्व-अनुकूलन क्षमताओं का मूल्यांकन करने के लिए मशीन लर्निंग और NP-हार्ड कार्यों को संयोजित करता है, और OPT-Agent फ्रेमवर्क का प्रस्ताव करता है जो यह प्रदर्शित करता है कि हालांकि अधिक शक्तिशाली मॉडल पुनरावृत्ति सुधार के लिए फीडबैक का बेहतर लाभ उठाते हैं, उनकी अनुकूलन क्षमता मूल क्षमता द्वारा मौलिक रूप से बाधित रहती है और मानव विशेषज्ञ के प्रदर्शन से कम रह जाती है।
यह शोध पत्र OPT-BENCH प्रस्तुत करता है, जो एक व्यापक ढांचा है जो एनपी-हार्ड (NP-hard) अनुकूलन समस्याओं पर लार्ज लैंग्वेज मॉडल्स को प्रशिक्षित करने के लिए गुणवत्ता-जागरूक 'रिनफोर्समेंट लर्निंग विद वरीफिएबल रिवॉर्ड्स' (RLVR) का उपयोग करता है, जो मौजूदा मॉडलों और बाइनरी रिवॉर्ड दृष्टिकोणों की तुलना में समाधान की गुणवत्ता और विविध तर्क कार्यों में सामान्यीकरण में महत्वपूर्ण सुधार प्रदर्शित करता है।
यह शोध पत्र सेफ्टी इंटरनल (SInternal) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो बड़े रीजनिंग मॉडल्स (Large Reasoning Models) की जेलब्रिक्स (jailbreaks) के विरुद्ध मजबूती को बढ़ाता है, उन्हें आत्म-सत्यापन कार्यों के माध्यम से सुरक्षा समझ को आंतरिक रूप से आत्मसात करने के लिए प्रशिक्षित करके, जिससे संरेखण (alignment) केवल व्यवहार संबंधी अनुपालन से बदलकर आंतरिक सुरक्षा मूल्यांकन में परिवर्तित हो जाता है।
यह शोध पत्र PnP-Corrector पेश करता है, जो एक सार्वभौमिक ढांचा है जो युग्मित स्थानिक-कालिक पूर्वानुमान (spatiotemporal forecasting) की दीर्घकालिक स्थिरता और सटीकता को महत्वपूर्ण रूप से सुधारने और पारस्परिक त्रुटि प्रवर्धन (reciprocal error amplification) को कम करने के लिए पूर्व-प्रशिक्षित भौतिक सिम्युलेटर को एक समर्पित सुधार एजेंट से अलग करता है।
यह शोध पत्र Self-ReSET का प्रस्ताव करता है, जो एक शुद्ध सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो लार्ज रीजनिंग मॉडल्स को उनके अपने असुरक्षित तर्क पथों (reasoning trajectories) से आंतरिक रूप से आत्म-सुधार (self-recovery) सीखने में सक्षम बनाता है, जिससे सामान्य उपयोगिता बनाए रखते हुए प्रतिकूल (adversarial) और आउट-ऑफ-डिस्ट्रीब्यूशन जेलब्रेक हमलों के विरुद्ध मजबूती को महत्वपूर्ण रूप से बढ़ाया जा सकता है।
यह शोधपत्र यह प्रदर्शित करता है कि छोटे फूरियर न्यूरल ऑपरेटर्स (Fourier Neural Operators) को उनके पीसवाइज़-लीनियर फॉरवर्ड पासेस को एसएमटी (SMT) सॉल्वर में संकलित करके धनात्मकता (positivity) और द्रव्यमान संरक्षण (mass conservation) जैसे भौतिक गुणों के लिए औपचारिक रूप से सत्यापित किया जा सकता है, जो एक स्पष्ट ट्रेडऑफ को उजागर करता है जहाँ सटीक एनकोडिंग (exact encodings) सुदृढ़ गारंटी प्रदान करती है लेकिन स्केलेबिलिटी के साथ संघर्ष करती है, जबकि अनुमानित एनकोडिंग (approximate encodings) प्रमाणन की लागत पर गति प्रदान करती है।
यह शोध पत्र MDGYM को प्रस्तुत करता है, जो यह दर्शाता है कि वर्तमान AI एजेंट स्वायत्त रूप से आणविक गतिशीलता (molecular dynamics) सिमुलेशन निष्पादित करने में संघर्ष करते हैं क्योंकि सुव्यवस्थित कोड जनरेशन और सिमुलेशन की स्थिरता एवं सटीकता सुनिश्चित करने के लिए आवश्यक भौतिक तर्क (physical reasoning) के बीच एक मौलिक अंतर है।
यह शोधपत्र कॉन्टेक्स्ट-अलाइन्ड कॉन्ट्रास्टिव रिग्रेशन (Context-Aligned Contrastive Regression) का प्रस्ताव देता है, जो एक नवीन ढांचा है जो क्रॉस-लिंगुअल अलाइनमेंट को बेहतर बनाने, ऑर्डिनल संरचनाओं को पकड़ने और व्यवस्थित मॉडल पूर्वाग्रहों को कम करने के लिए क्रॉस-व्यू और ऑर्डिनल कॉन्ट्रास्टिव लर्निंग के साथ रिज रिग्रेशन एनसेम्बलिंग को जोड़कर लेक्सिकल कठिनाई भविष्यवाणी को बढ़ाने का कार्य करता है।
यह शोध पत्र तर्क देता है कि वर्तमान एजेंटिक एआई (agentic AI) प्रणालियाँ समस्या चयन, गूढ़ प्रयोगशाला ज्ञान के संबंध में प्रशिक्षण डेटा अंतराल, प्राथमिकता अनुकूलन (preference optimization) से होने वाले आउटपुट एकरूपता, और अपर्याप्त बेंचमार्किंग की मौलिक सीमाओं के कारण पूर्णतः स्वायत्त वैज्ञानिक खोज के लिए अक्षम हैं, जिसके लिए सिमुलेशन-आधारित सत्यापन, निरंतर विश्व मॉडल (world models) और आवश्यकता-संचालित अनुप्रयोग पर केंद्रित पुनर्रचना की आवश्यकता है।