25186 पेपर
यह शोध पत्र एपिस्टेमिक नियरेस्ट नेबर्स (ENN) को प्रस्तुत करता है, जो एक हल्का सरोगेट मॉडल है जो बेयसियन ऑप्टिमाइज़ेशन में गॉसियन प्रोसेस को प्रतिस्थापित करता है ताकि फिटिंग और एक्विज़िशन दोनों के लिए रैखिक स्केलिंग प्राप्त की जा सके, जिससे 50,000 अवलोकनों तक के परिदृश्यों में प्रस्ताव समय को एक से दो क्रम (ऑर्डर) कम किया जा सके।
यह शोध पत्र लेखकों के पिछले कार्य का विस्तार करते हुए यह प्रदर्शित करता है कि बाइनरी आर्टिफिशियल न्यूरल नेटवर्क्स की ट्रेनिंग डायनेमिक्स को पहले उपयोग किए गए फुल-मीट दृष्टिकोण के बजाय, विशेष रूप से डार्विच-पर्ल फ्रेमवर्क के भीतर लेक्सिकोग्राफिक रिवीज़न और मॉडरेट कॉन्ट्रैक्शन जैसे सुदृढ़ AGM-शैली के इटरेटेड बिलीफ चेंज ऑपरेशन्स का उपयोग करके अधिक प्रभावी ढंग से मॉडल किया जा सकता है।
यह शोध पत्र कॉन्फॉर्मल प्रेडिक्शन (conformal prediction) के लिए एक श्रेणी-सैद्धांतिक (category-theoretic) ढांचा स्थापित करता है जो इसकी संरचना को एक मॉर्फिज्म (morphism) के रूप में औपचारिक रूप देता है, संख्यात्मक अनिश्चितता सारांशों को प्राप्त करने के लिए भविष्यवाणी प्रक्रिया को सिद्धांतपूर्ण चरणों में विभाजित करता है, और बेयज़ियन (Bayesian), फ्रीक्वेंटिस्ट (frequentist), और अपरिपक्व संभाव्य (imprecise probabilistic) दृष्टिकोणों के बीच सेतु बनाता है जबकि मॉड्यूलर गोपनीयता-संरक्षण कार्यान्वयन को सक्षम बनाता है।
यह शोध पत्र ReCode को प्रस्तुत करता है, जो एक नवीन सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो कंट्रास्टिव लर्निंग के माध्यम से एक रीजनिंग-प्रोसेस रिवॉर्ड मॉडल को प्रशिक्षित करके और रिवॉर्ड हैकिंग को कम करने के लिए इसे निष्पादन-आधारित गेटिंग (execution-based gating) के साथ एकीकृत करके कोड जनरेशन को बेहतर बनाता है, जिसके परिणामस्वरूप GPT-4-Turbo के तुलनीय महत्वपूर्ण प्रदर्शन लाभ प्राप्त होते हैं।
यह शोध पत्र CorrSteer को प्रस्तुत करता है, जो एक ऐसी विधि है जो अनुमान-समय (inference-time) सक्रियणों (activations) को नमूना शुद्धता (sample correctness) के साथ सह-संबंधित करके LLM स्टीयरिंग के लिए व्याख्यात्मक स्पार्स ऑटोएनकोडर (Sparse Autoencoder) फीचर्स के चयन को स्वचालित करती है, जिससे कंट्रास्टिव डेटासेट्स की आवश्यकता समाप्त हो जाती है और रीजनिंग, बायस मिटिगेशन और सेफ्टी बेंचमार्क में प्रदर्शन में उल्लेखनीय सुधार होता है।
यह शोध पत्र SurGE को प्रस्तुत करता है, जो एक व्यापक बेंचमार्क और स्वचालित मूल्यांकन ढांचा है जिसे वैज्ञानिक सर्वेक्षण पीढ़ी के लिए मानकीकृत मेट्रिक्स की कमी को दूर करने के लिए डिज़ाइन किया गया है, जो एक बड़े पैमाने के डेटासेट को प्रदान करता है और व्यापकता, उद्धरण सटीकता, संरचनात्मक संगठन और सामग्री गुणवत्ता के माध्यम से मॉडल के प्रदर्शन का आकलन करता है।
यह शोध पत्र एक सिम-टू-रियल डीप लर्निंग फ्रेमवर्क प्रस्तुत करता है जो सिंथेटिक जेनेसिस डेटा पर प्रशिक्षित एक U-Net जैसे CNN का उपयोग करता है ताकि भुजाओं वाले क्वाड्रुपेड रोबोट्स को लोको-मैनिपुलेशन के माध्यम से स्वायत्त रूप से नेविगेट करने, धारणा बनाने और वस्तुओं को सटीक रूप से पकड़ने में सक्षम बनाया जा सके।
यह शोध पत्र एक ऐसे नवीन ढांचे का प्रस्ताव करता है जो अनुमान (inference) के दौरान संरचित ज्ञान ग्राफ (knowledge graphs) को गतिशील रूप से निर्मित और परिष्कृत करके लार्ज लैंग्वेज मॉडल्स की तथ्यात्मक सटीकता में सुधार करता है, जो असंरचित टेक्स्ट-आधारित दृष्टिकोणों की सीमाओं को दूर करने के लिए मॉडल के आंतरिक ज्ञान को बाहरी रिट्रीवल के साथ एकीकृत करता है।
यह शोध पत्र COCORELI को प्रस्तुत करता है, जो एक मॉड्यूलर आर्किटेक्चर है जो अधूरी जानकारी का पता लगाने को क्रिया के निवारण के साथ संरचनात्मक रूप से जोड़कर निष्पादन विश्वसनीयता को लागू करता है, जिससे स्वायत्त एजेंटों को तब तक कार्य निष्पादित करने से रोका जाता है जब तक कि लक्षित स्पष्टीकरण के माध्यम से अपूर्णताओं को हल नहीं कर लिया जाता।
यह शोध पत्र ALIGNS को प्रस्तुत करता है, जो व्यापक नोमोलॉजिकल नेटवर्क (nomological networks) उत्पन्न करने के लिए मान्य प्रश्नावली मापों पर प्रशिक्षित एक लार्ज लैंग्वेज मॉडल-आधारित प्रणाली है, जिससे मनोवैज्ञानिक मापन सत्यापन की दीर्घकालिक चुनौती का समाधान होता है और भावनात्मक संकट एवं बाल स्वभाव जैसे निर्माणों (constructs) में नई अंतर्दृष्टि प्राप्त होती है।