25400 पेपर
यह शोध पत्र एक नवीन मल्टी-टर्न जेलब्रेकिंग तकनीक प्रस्तुत करता है जो फ्रंटियर मॉडल्स के "सेफ कंप्लीशन" प्रतिमान का लाभ उठाते हुए उन्हें हानिरहित दिखने वाले इरादों से धोखे में डालकर हानिकारक आउटपुट उत्पन्न करता है, साथ ही "पारा-जेलब्रेकिंग" नामक एक नव-खोजे गए भेद्यता वर्ग की पहचान और समाधान भी करता है।
TACO एक सुदृढ़ FP8-आधारित फ्रेमवर्क है जो एडेप्टिव क्वांटाइजेशन और एक फ्यूज्ड कम्प्रेशन ऑपरेटर का उपयोग करता है ताकि टेंसर-पैरेलल LLM ट्रेनिंग में इंटरमीडिएट टेंसरों को कुशलतापूर्वक कंप्रेस किया जा सके, जिससे लगभग लॉसलेस सटीकता बनाए रखते हुए 1.87x तक थ्रूपुट सुधार प्राप्त होता है।
यह शोध पत्र एक मेटा-एन्सेम्बल लर्निंग दृष्टिकोण प्रस्तावित करता है जो विविध डेटा स्प्लिट्स पर बेस मॉडल्स को प्रशिक्षित करके और उनके भविष्यवाणियों को एक प्रशिक्षित मेटा-मॉडल के माध्यम से संयोजित करके श्वसन ध्वनि वर्गीकरण प्रदर्शन और सामान्यीकरण में सुधार करता है।
यह शोध पत्र परिवहन संसाधनों के साथ जॉब-शॉप शेड्यूलिंग के लिए मल्टी-एजेंट सुदृढीकरण शिक्षण (मल्टी-एजेंट रीइन्फोर्समेंट लर्निंग) में जॉइंट और मॉड्यूलर प्रशिक्षण के बीच समन्वय अंतराल का विश्लेषण करता है, जो यह प्रकट करता है कि जहाँ जॉइंट प्रशिक्षण आम तौर पर बेहतर प्रदर्शन प्रदान करता है, वहीं मॉड्यूलर प्रशिक्षण उन बॉटलनेक वातावरणों में एक व्यवहार्य और कुशल विकल्प बन जाता है जहाँ एक एकल शेड्यूलिंग कार्य प्रभावी होता है।
यह शोध पत्र सिमेंटिकली रिलेवेंट स्किल डिस्कवरी (SRSD) को प्रस्तुत करता है, जो एक ह्यूमन-इन-द-लूप दृष्टिकोण है जो अधिक अर्थपूर्ण और प्रासंगिक व्यवहारों को सीखने के लिए मानव सिमेंटिक लेबल का उपयोग करके सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) में अनसुपरवाइज्ड स्किल डिस्कवरी की दक्षता और विविधता में सुधार करता है।
यह शोध पत्र "राइट-टू-एक्ट" (Right-to-Act) प्रोटोकॉल प्रस्तुत करता है, जो एक नियतात्मक, गैर-प्रतिपूरक पूर्व-निष्पादन ढांचा है जो एआई (AI) की कार्रवाइयों को तब रोक देता है जब कोई भी सुरक्षा शर्त पूरी नहीं होती है, जिससे ध्यान निर्णय की गुणवत्ता को अनुकूलित करने से हटाकर निष्पादन की स्वीकार्यता को सख्ती से नियंत्रित करने पर केंद्रित हो जाता है।
यह शोध पत्र "लेयर-वाइज़ प्रोग्रेसिव एप्रोक्सिमेशन" (LPA) का प्रस्ताव करता है, जो एक सैद्धांतिक रूप से आधारित प्रशिक्षण सिद्धांत है जो रेसिडुअल नेटवर्क्स को परतों के माध्यम से चरण-दर-चरण अनुमानों को परिष्कृत करने में सक्षम बनाता है, जिससे एक एकल प्रशिक्षित मॉडल कुशल मल्टी-डेप्थ परिनियोजन के लिए किसी भी गहराई पर उपयोगी भविष्यवाणियां प्रदान कर सकता है।
यह शोध पत्र CREDENCE को प्रस्तुत करता है, जो एक क्रेडल एन्सेम्बल कॉन्सेप्ट बॉटलनेक मॉडल (Credal Ensemble Concept Bottleneck Model) ढांचा है जो संभाव्यता अंतराल (probability intervals) और एन्सेम्बल असहमति (ensemble disagreement) का उपयोग करके अवधारणा-स्तरीय अनिश्चितता को एपिस्टेमिक (epistemic) और एलियटोरिक (aleatoric) घटकों में विभाजित करता है, जिससे स्वचालित रूटिंग, लक्षित डेटा संग्रह और मानव समीक्षा जैसी अधिक कार्रवाई योग्य निर्णय लेने की रणनीतियों को सक्षम बनाया जा सके।
यह शोध पत्र व्याख्या गुणवत्ता मूल्यांकन को एक रैंकिंग समस्या के रूप में पुनर्गठित करता है, जिसमें लिस्टवाइज (listwise) और पेयरवाइज (pairwise) उद्देश्यों का उपयोग करके उम्मीदवार व्याख्याओं के बीच अंतर करने के लिए रिवॉर्ड मॉडल को प्रशिक्षित किया जाता है, जो यह प्रदर्शित करता है कि ऐसे दृष्टिकोण स्कोर पृथक्करण में रिग्रेशन (regression) से बेहतर प्रदर्शन करते हैं, डेटा विशेषताओं के प्रति सुदृढ़ता प्रदान करते हैं, उच्च-गुणवत्ता वाले डेटा के साथ छोटे मॉडलों को बड़े मॉडलों के बराबर लाने में सक्षम बनाते हैं, और वहां स्थिर पॉलिसी ऑप्टिमाइज़ेशन सुनिश्चित करते हैं जहाँ रिग्रेशन-आधारित रिवॉर्ड विफल हो जाते हैं।
यह शोध पत्र एक क्वांटाइज्ड Qwen3-VLM का उपयोग करते हुए एक प्रॉम्प्टेड वीक सुपरविजन फ्रेमवर्क प्रस्तावित करता है जो मीम हेट स्पीच डिटेक्शन को लक्षित प्रश्न-आधारित लेबलिंग फंक्शन्स में विभाजित करता है, जिससे मल्टीमॉडल, सांस्कृतिक रूप से सूक्ष्म और बहुभाषी हेट स्पीच की चुनौतियों को प्रभावी ढंग से संबोधित करते हुए LT-EDI 2026 साझा कार्य के लिए अंग्रेजी, चीनी और हिंदी में शीर्ष रैंकिंग प्राप्त की गई है।