25186 पेपर
इस प्रमाण के बावजूद कि लार्ज लैंग्वेज मॉडल्स इन-कॉन्टेक्स्ट जानकारी से नए सिमेंटिक रिप्रेजेंटेशन्स को एनकोड कर सकते हैं, यह अध्ययन प्रकट करता है कि ओपन-वेट्स और स्टेट-ऑफ-द-आर्ट क्लोज्ड-सोर्स दोनों मॉडल्स इन सीखे गए रिप्रेजेंटेशन्स का डाउनस्ट्रीम टास्क के लिए अपने व्यवहार को अनुकूलित करने हेतु प्रभावी ढंग से उपयोग करने में संघर्ष करते हैं।
VecSet-Edit पहला पाइपलाइन है जो एकल छवि से सीधे 3D मेश संपादन के लिए प्री-ट्रेन्ड VecSet Large Reconstruction Models का लाभ उठाता है, जिसमें मौजूदा वोक्सेल-आधारित और मल्टी-व्यू दृष्टिकोणों की सीमाओं को दूर करने के लिए नवीन टोकन-आधारित स्थानीयकरण, ड्रिफ्ट-अवेयर प्रूनिंग और डिटेल-प्रिजर्विंग टेक्सचर बेकिंग का उपयोग किया गया है।
यह लेख BadSNN प्रस्तुत करता है, जो स्पाइकिंग न्यूरल नेटवर्क पर एक नवीन बैकडोर हमला है जो स्पाइकिंग न्यूरॉन्स के हाइपरपैरामीटरों में विविधताओं का लाभ उठाता है और उच्च हमले की सफलता दर को कम दृश्यता के साथ प्राप्त करने के लिए ट्रिगर अनुकूलन का उपयोग करता है और साथ ही सामान्य रक्षा तंत्रों को भी बायपास करता है।
यह लेख प्रदर्शित करता है कि न्यूरल नेटवर्क में संख्यात्मक परिशुद्धता (numerical precision) को कम करने से होने वाले अपेक्षित रैखिक दक्षता लाभ, हार्डवेयर कास्टिंग ओवरहेड और डीक्वांटाइजेशन विलंबता के कारण मल्टी-हॉप रीजनिंग कार्यों में विरोधाभासी रूप से ढह जाते हैं, जिससे एक "क्वांटाइजेशन ट्रैप" (quantization trap) उत्पन्न होता है जो मॉडल के व्यापक आकार और हार्डवेयर कॉन्फ़िगरेशन में ऊर्जा की खपत को बढ़ाता है और सटीकता को कम करता है।
HyMem एक हाइब्रिड मेमोरी आर्किटेक्चर है जो लॉन्ग-कॉन्टेक्स्ट LLM एजेंट्स में दक्षता और प्रभावशीलता को संतुलित करने के लिए मल्टी-लेवल रिप्रेजेंटेशन और एक डायनेमिक टू-स्टेज रिट्रीवल सिस्टम का उपयोग करता है, जो बेंचमार्क पर स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त करते हुए कंप्यूटेशनल लागत को 92.6% तक कम करता है।
यह कार्य ASTERIS को प्रस्तुत करता है, जो एक स्व-पर्यवेक्षित (self-supervised), ट्रांसफार्मर-आधारित एल्गोरिदम है जो कई एक्सपोज़र के बीच स्थानिक-कालिक (spatiotemporal) सहसंबंधों का लाभ उठाकर खगोलीय पहचान सीमाओं में महत्वपूर्ण सुधार करता है, जिससे JWST और सुबारू जैसे दूरबीनों के गहरे इमेजिंग डेटा से धुंधली आकाशगंगाओं और निम्न-सतह-चमक वाली संरचनाओं की खोज सक्षम होती है।
यह शोध पत्र एक विश्लेषणात्मक मॉडल और सिमुलेशन परिणाम प्रस्तुत करके इस प्रचलित धारणा को चुनौती देता है कि क्लाउड-आधारित इन्फरेंस (inference) विलंबता-संवेदनशील साइबर-फिजिकल सिस्टम के लिए अनुपयुक्त है, जो यह प्रदर्शित करता है कि उच्च-थ्रूपुट स्थितियों के तहत, क्लाउड प्लेटफॉर्म स्वायत्त आपातकालीन ब्रेकिंग जैसे कार्यों के लिए वास्तविक समय की सुरक्षा बाधाओं को पूरा करने में ऑन-डिवाइस इन्फरेंस से बेहतर प्रदर्शन करने के लिए नेटवर्क विलंब को परिशोधित (amortize) कर सकते हैं।
यह शोध पत्र मीन-फील्ड पाथ-इंटीग्रल डिफ्यूजन (MF-PID) प्रस्तुत करता है, जो एक जनरेटिव मॉडलिंग फ्रेमवर्क है जहाँ नमूने (samples) जनसंख्या सांख्यिकी द्वारा समन्वित परस्पर क्रिया करने वाले एजेंटों के रूप में कार्य करते हैं ताकि मैककेन-वलासोव स्टोकेस्टिक ऑप्टिमल ट्रांसपोर्ट समस्या को हल किया जा सके, जिससे लक्ष्य वितरणों से सटीक रूप से मेल खाते हुए नियंत्रण अनुप्रयोगों में महत्वपूर्ण ऊर्जा दक्षता प्राप्त होती है।
यह शोध पत्र प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल (LLM) ओवरव्यू सिस्टम स्रोत चयन में पूर्वाग्रहों के प्रति संवेदनशील हैं, जिसका लाभ खोज स्निपेट्स को फिर से लिखने और परिणामों में हेरफेर करने के लिए एक सुदृढीकरण शिक्षण (reinforcement learning) मॉडल को प्रशिक्षित करके उठाया जा सकता है, साथ ही यह संदर्भ विषाक्तता (context poisoning) हमलों से जुड़े सुरक्षा जोखिमों को भी उजागर करता है।
TimeRFT एक सुदृढीकरण फाइनट्यूनिंग (reinforcement finetuning) प्रतिमान पेश करता है जो टाइम सीरीज़ फाउंडेशन मॉडल्स के लिए पूर्वानुमान गुणवत्ता-आधारित टेम्पोरल रिवॉर्ड मैकेनिज्म और कठिनाई-आधारित डेटा चयन रणनीति का उपयोग करता है ताकि सुपरवाइज्ड फाइन-ट्यूनिंग की सीमाओं को दूर किया जा सके, जिससे विविध डेटा व्यवस्थाओं और वितरण बदलावों (distribution shifts) में सामान्यीकरण और भविष्यवाणी सटीकता को बढ़ाया जा सके।