25186 पेपर
यह शोध पत्र torch-sla को प्रस्तुत करता है, जो एक ओपन-सोर्स PyTorch लाइब्रेरी है जो विविध CPU और GPU बैकएंड्स पर विभिन्न सॉल्वर्स के लिए एक एकल autograd-जागरूक API प्रदान करके डिफरेंशिएबल स्पार्स लीनियर अलजेब्रा को एकीकृत करती है, जबकि यह बैच ऑपरेशन्स और O(1)-ग्राफ एडजॉइंट फ्रेमवर्क के माध्यम से स्केलेबल डिस्ट्रिब्यूटेड मल्टी-GPU निष्पादन का समर्थन करती है।
यह शोध पत्र एक नवीन, स्वचालित 'सेफ्टी-बाय-डिज़ाइन' पद्धति प्रस्तावित करता है जो एकत्र किए गए डेटा से ऑपरेशनल डिज़ाइन डोमेन (ODD) प्राप्त करने के लिए एक बहु-आयामी कर्नेल-आधारित प्रतिनिधित्व का उपयोग करता है, जिससे मोंटे कार्लो सिमुलेशन और एक वास्तविक दुनिया के विमानन टकराव-निवारण उपयोग मामले द्वारा प्रमाणित सुरक्षा-महत्वपूर्ण एआई प्रणालियों के लिए प्रमाणन चुनौतियों का समाधान किया जाता है।
यह योगदान CLAMP को प्रस्तुत करता है, जो एक नवीन 3D प्री-ट्रेनिंग फ्रेमवर्क है जो सिम्युलेटेड और वास्तविक दुनिया के कार्यों में रोबोट मैनिपुलेशन पॉलिसियों की सैंपल एफिशिएंसी और प्रदर्शन को बेहतर बनाने के लिए मल्टी-व्यू पॉइंट क्लाउड्स और रोबोटिक एक्शन्स पर कंट्रास्टिव लर्निंग का लाभ उठाता है।
यह शोध पत्र "स्ट्रीम ऑफ रिवीज़न" (Stream of Revision) प्रस्तुत करता है, जो एक नवीन ढांचा है जो विशिष्ट एक्शन टोकन का उपयोग करके लार्ज लैंग्वेज मॉडल्स को एक ही फॉरवर्ड पास के भीतर अपने स्वयं के आउटपुट को गतिशील रूप से बैकट्रैक और संपादित करने में सक्षम बनाकर सुरक्षित कोड जनरेशन को बढ़ाता है, जिससे न्यूनतम इन्फरेंस ओवरहेड के साथ कमजोरियों को काफी कम किया जाता है।
यह शोध पत्र एक सकारात्मक नॉर्म-फीडबैक लूप की पहचान करता है जो क्रमिक मॉडल संपादन (sequential model edits) को खराब करता है और नॉर्म-एंकर स्केलिंग (NAS) का प्रस्ताव करता है, जो एक सरल प्लग-इन विधि है जो इस लूप को तोड़ने के लिए वैल्यू वेक्टर्स को पुन: स्केल करती है, जिससे व्यक्तिगत संपादन की प्रभावशीलता को बनाए रखते हुए उपयोग योग्य संपादन क्षितिज को चार गुना से अधिक बढ़ाया जा सकता है।
यह लेख मैकनेमर टेस्ट (McNemar test) पर आधारित एक सांख्यिकीय रूप से पुष्ट परिकल्पना परीक्षण ढांचे का प्रस्ताव करता है ताकि अनुकूलन प्रक्रियाओं (optimization processes) से उत्पन्न होने वाली संख्यात्मक त्रुटियों के कारण होने वाले सूक्ष्म मॉडल क्षरणों को विश्वसनीय रूप से पहचाना जा सके, उन्हें सौम्य मूल्यांकन शोर (benign evaluation noise) से अलग किया जा सके, और इस प्रकार गलत सकारात्मक दर (false positive rate) को नियंत्रित किया जा सके।
BEAGLE एक न्यूरो-सिम्बोलिक फ्रेमवर्क है जो स्व-नियमित शिक्षण के सिद्धांत को सेमी-मार्कोव मॉडल, फीड-इन त्रुटियों के साथ बायेसियन नॉलेज ट्रेसिंग और एक डिकपल्ड एजेंट डिज़ाइन के साथ एकीकृत करता है ताकि ओपन-एंडेड समस्या-समाधान कार्यों में वास्तविक, त्रुटिपूर्ण छात्र शिक्षण व्यवहारों का अनुकरण किया जा सके, जिससे वास्तविक छात्र डेटा के विरुद्ध प्रभावी रूप से मानव ट्यूरिंग टेस्ट पास किया जा सके।
यह लेख प्रोब-जियोमेट्री अलाइनमेंट (PGA) को प्रस्तुत करता है, जो एक सर्जिकल हस्तक्षेप है जो मॉडल की गतिविधियों को इस तरह संरेखित करता है कि बड़े भाषा मॉडलों में क्रॉस-सीक्वेंस मेमोराइजेशन के लिए फीचर डिस्क्रिमिनेशन (विशेषता विभेदन) को संयोग स्तर से नीचे कम कर दिया जाता है, जबकि उनकी कार्यात्मक क्षमताओं को सुरक्षित रखा जाता है।
यह शोध पत्र लॉसलेस कॉन्टेक्स्ट मैनेजमेंट (LCM) को प्रस्तुत करता है, जो एक नियतात्मक आर्किटेक्चर है जो रिकर्सिव कॉन्टेक्स्ट कंप्रेशन और टास्क पार्टीशनिंग के माध्यम से LLM मेमोरी को बढ़ाता है, जिससे वोल्ट एजेंट को 1 मिलियन टोकन तक के लॉन्ग-कॉन्टेक्स्ट कोडिंग कार्यों पर क्लॉड कोड (Claude Code) से बेहतर प्रदर्शन करने में सक्षम बनाया जा सके, साथ ही लॉसलेस स्टेट रिट्रीवल और टर्मिनेशन की गारंटी भी दी जा सके।
यह लेख हाशिए पर रहने वाले समूहों के प्रति महत्वपूर्ण पूर्वाग्रहों को उजागर करके और इन असमानताओं को मापने तथा संबोधित करने के लिए दो नवीन निष्पक्षता मेट्रिक्स प्रस्तावित करके, अल्जाइमर रोग की प्रगति के लिए नॉनपैरामीट्रिक डीप सर्वाइवल मॉडलों की विश्वसनीयता का परीक्षण करता है।