24831 पेपर
यह शोध पत्र 5G STRIDE थ्रेट मॉडलिंग के लिए डोमेन-अनुकूलित (domain-adapted) बड़े और छोटे भाषा मॉडलों का एक व्यापक अनुभवजन्य मूल्यांकन प्रस्तुत करता है, जो यह प्रकट करता है कि न तो डोमेन अनुकूलन और न ही मॉडल स्केलिंग लगातार विश्वसनीय प्रदर्शन सुनिश्चित करती है, जिससे संरचित सुरक्षा कार्यों के लिए वर्तमान LLMs की मौलिक सीमाओं और उन्नत तर्क एवं ग्राउंडिंग की आवश्यकता पर प्रकाश पड़ता है।
यह शोधपत्र एक गैर-मार्कोवियन सुदृढीकरण शिक्षण (नॉन-मार्कोवियन रीइन्फोर्समेंट लर्निंग) के लिए एक रिवॉर्ड-केंद्रित ढांचे को प्रस्तुत करता है जो एजेंट स्टेट डायनेमिक्स और कंट्रोल पॉलिसी को संयुक्त रूप से अनुकूलित करता है, एक नवीन पॉलिसी ग्रेडिएंट थ्योरम और ASMPG एल्गोरिदम को स्थापित करता है जिसमें सैद्धांतिक अभिसरण गारंटी और प्रेडिक्टिव बेसलाइन्स की तुलना में बेहतर अनुभवजन्य प्रदर्शन है।
यह शोध पत्र MaD Physics को प्रस्तुत करता है, जो एक नया बेंचमार्क है जिसे परिवर्तित भौतिक नियमों वाले वातावरण में परीक्षण करके एआई एजेंटों की भौतिक नियमों को अनुमान लगाने और संसाधन संबंधी बाधाओं के तहत मापन की योजना बनाने की क्षमता का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जिससे वर्तमान जेमिनी (Gemini) मॉडलों की वैज्ञानिक तर्क और संरचित अन्वेषण क्षमताओं की सीमाओं का पता चलता है।
यह शोध पत्र लॉन्ग-कॉन्टेक्स्ट रीजनिंग (long-context reasoning) में एक "फर्स्ट ड्रॉप ऑफ इंक" (First Drop of Ink) प्रभाव की पहचान करता है, जो यह प्रदर्शित करता है कि कठिन डिस्ट्रैक्टर्स (distractors) के एक छोटे से अनुपात के कारण भी प्रदर्शन में भारी गिरावट आती है क्योंकि वे ध्यान के अनुचित रूप से अधिक हिस्से को ग्रहण कर लेते हैं, जिससे यह संकेत मिलता है कि पर्याप्त सुधार के लिए केवल कॉन्टेक्स्ट लेंथ (context length) को कम करने के बजाय डिस्ट्रैक्टर्स के अनुपात को लगभग शून्य के करीब लाना आवश्यक है।
यह शोध पत्र SLIM को प्रस्तुत करता है, जो एक प्लग-एंड-प्ले फ्रेमवर्क है जो स्पार्स ऑटोएन्कोडर (Sparse Autoencoder) के माध्यम से हिडन स्टेट्स को स्पार्स, व्याख्या योग्य फीचर्स में विघटित करके लार्ज लैंग्वेज मॉडल्स में प्रॉपर्टी-डायरेक्टेड मॉलिक्यूलर एडिटिंग को बेहतर बनाता है, जिससे मॉडल के पैरामीटर्स को संशोधित किए बिना सटीक स्टीयरिंग संभव होती है जो एडिटिंग की सफलता दर को महत्वपूर्ण रूप से बढ़ा देती है।
यह शोध पत्र MMVIAD प्रस्तुत करता है, जो औद्योगिक विसंगति पहचान (industrial anomaly detection) के लिए पहला निरंतर मल्टी-व्यू वीडियो डेटासेट और बेंचमार्क है, और VISTA का प्रस्ताव करता है, जो एक नवीन दो-चरणीय पोस्ट-ट्रेनिंग पाइपलाइन के माध्यम से प्रशिक्षित एक मॉडल है जो चार प्रमुख औद्योगिक निरीक्षण कार्यों में मौजूदा वीडियो MLLMs और मानव-स्तरीय बेसलाइनों से काफी बेहतर प्रदर्शन करता है।
Clin-JEPA एक स्थिर, पांच-चरणीय सह-प्रशिक्षण ढांचे को पेश करता है जो जॉइंट-एम्बेडिंग प्रेडिक्टिव आर्किटेक्चर (JEPA) को EHR डेटा के अनुकूल बनाने में सफलतापूर्वक सक्षम बनाता है, जिससे एक एनकोडर और प्रेडिक्टर को संयुक्त रूप से प्रशिक्षित करके, एक एकल बैकबोन को प्रति-कार्य फाइन-ट्यूनिंग के बिना बेहतर लेटेंट-स्पेस प्रक्षेपवक्र पूर्वानुमान और बहु-कार्य जोखिम भविष्यवाणी प्राप्त करने में सक्षम बनाया जा सके।
यह शोध पत्र DISCA को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free), ब्लैक-बॉक्स इन्फरेंस-टाइम विधि है, जो मॉडल आउटपुट को फाइन-ट्यूनिंग के बिना सुधारने के लिए वर्ल्ड वैल्यूज सर्वे-आधारित व्यक्तित्व मतभेदों (persona disagreements) का लाभ उठाकर बड़े भाषा मॉडलों (LLMs) को विविध सांस्कृतिक प्राथमिकताओं के साथ संरेखित करती है।
यह शोध पत्र BEACON को प्रस्तुत करता है, जो 28 *Valorant* खिलाड़ियों के सिंक्रोनाइज़्ड गेमप्ले डेटा से बना एक बड़े पैमाने का मल्टीमॉडल डेटासेट है, जिसे वास्तविक प्रतिस्पर्धी तनाव के तहत उच्च-सटीक मोटर और संज्ञानात्मक संकेतों को कैप्चर करके निरंतर प्रमाणीकरण (continuous authentication) और व्यवहारिक फिंगरप्रिंटिंग अनुसंधान को आगे बढ़ाने के लिए डिज़ाइन किया गया है।
यह शोधपत्र DeMem का प्रस्ताव करता है, जो एक निर्णय-केंद्रित मेमोरी फ्रेमवर्क है जो वर्णनात्मक निष्ठा (descriptive fidelity) के बजाय निर्णय लेने के लिए महत्वपूर्ण विभेदों के संरक्षण को प्राथमिकता देकर सीमित बजट के तहत लॉन्ग-होरिज़न एजेंट प्रदर्शन को अनुकूलित करता है, जिससे नियर-मिनिमैक्स रिग्रेट गारंटी और सिंथेटिक एवं संवादात्मक बेंचमार्क पर निरंतर लाभ प्राप्त होता है।