25631 पेपर
यह शोध पत्र RIFT को प्रस्तुत करता है, जो एक डेटा-कुशल ढांचा है जो रिवॉर्ड-इन्फॉर्म्ड लॉस रीवेटिंग और एक स्थिर फॉर्मूलेशन के माध्यम से स्वयं-निर्मित नकारात्मक नमूनों का पुनरुद्देश्य बनाकर LLM अलाइनमेंट में सुधार करता है, और गणितीय बेंचमार्क पर मानक रिजेक्शन सैंपलिंग फाइन-ट्यूनिंग से लगातार बेहतर प्रदर्शन करता है।
GeoRA एक ज्यामिति-जागरूक (geometry-aware) लो-रैंक एडेप्टेशन विधि है जो RL अपडेट सबस्पेस के SVD के माध्यम से एडेप्टर को इनिशियलाइज़ करती है और प्री-ट्रेंड संरचनाओं को संरक्षित करने के लिए अवशिष्ट घटकों (residual components) को फ्रीज करती है, जिससे यह मौजूदा पैरामीटर-कुशल बेसलाइनों की तुलना में सत्यापन योग्य पुरस्कारों वाले सुदृढीकरण शिक्षण (Reinforcement Learning with Verifiable Rewards - RLVR) में बेहतर प्रदर्शन और सामान्यीकरण प्राप्त करती है।
यह शोध पत्र MinkUNeXt-VINE को प्रस्तुत करता है, जो कम लागत वाले, विरल (sparse) इनपुट का उपयोग करके असंरचित अंगूर के बागों के वातावरण में मजबूत, वास्तविक समय के LiDAR प्लेस रिकग्निशन (स्थान पहचान) को प्राप्त करने के लिए मैट्रोशका रिप्रेजेंटेशन लर्निंग (Matryoshka Representation Learning) का उपयोग करने वाली एक हल्की (lightweight) डीप-लर्निंग विधि है।
यह शोध पत्र SweetSpot को प्रस्तुत करता है, जो एक विश्लेषणात्मक मॉडल है जो इष्टतम इनपुट-आउटपुट लंबाई संयोजनों की पहचान करके LLM इन्फरेंस की गैर-रेखीय ऊर्जा दक्षता की सटीक भविष्यवाणी करता है, जिससे अनुकूलन योग्य जनरेशन रणनीतियों के माध्यम से महत्वपूर्ण ऊर्जा कटौती सक्षम होती है।
यह शोध पत्र प्रकट करता है कि व्यापक रूप से उपयोग किए जाने वाले एआई सुरक्षा डेटासेट दोषपूर्ण हैं क्योंकि वे यथार्थवादी प्रतिकूल व्यवहार के बजाय स्पष्ट "ट्रिगरिंग क्यूज़" (triggering cues) पर निर्भर करते हैं, जो यह प्रदर्शित करता है कि जब "इंटेंट लॉन्ड्रिंग" (intent laundering) नामक तकनीक के माध्यम से इन संकेतों को हटा दिया जाता है, तो शीर्ष स्तर के मॉडल भी हानिकारक आउटपुट को रोकने में विफल हो जाते हैं।
यह शोध पत्र DynaMO प्रस्तुत करता है, जो एक सैद्धांतिक रूप से आधारित ढांचा है जो LLMs के लिए सत्यापन योग्य पुरस्कारों (verifiable rewards) के साथ सुदृढीकरण शिक्षण (reinforcement learning) को अनुकूलित करता है, जिसमें संसाधन अक्षमता और प्रशिक्षण अस्थिरता को संबोधित करने के लिए विचरण-न्यूनतम अनुक्रम-स्तरीय रोलआउट आवंटन (variance-minimizing sequence-level rollout allocation) को व्युत्पन्न किया गया है और ग्रेडिएंट-जागरूक टोकन-स्तरीय लाभ मॉड्यूलेशन (gradient-aware token-level advantage modulation) को कार्यान्वित किया गया है।
यह शोध पत्र AtomicRAG का प्रस्ताव करता है, जो एक नवीन रिट्रीवल-ऑगमेंटेड जनरेशन (Retrieval-Augmented Generation) फ्रेमवर्क है जो मौजूदा GraphRAG विधियों की कठोरता और त्रुटि संवेदनशीलता को दूर करने के लिए मोटे-स्तर के टेक्स्ट चंक्स (text chunks) को एक एटम-एंटिटी ग्राफ (Atom-Entity Graph) के भीतर लचीले, स्व-निहित "नॉलेज एटम्स" (knowledge atoms) से बदल देता है, जिससे रिट्रीवल सटीकता और रीजनिंग मजबूती में महत्वपूर्ण सुधार होता है।
यह शोधपत्र MATRAG प्रस्तुत करता है, जो एक नवीन मल्टी-एजेंट फ्रेमवर्क है जो ज्ञान ग्राफ-संवर्धित रिट्रीवल (knowledge graph-augmented retrieval) को यूजर मॉडलिंग, आइटम विश्लेषण, रीजनिंग और स्पष्टीकरण निर्माण के लिए विशिष्ट एजेंटों के साथ एकीकृत करता है ताकि अत्याधुनिक, पारदर्शी और विश्वसनीय अनुशंसाएं प्रदान की जा सकें, जिसमें सटीकता और मानव-रेटेड स्पष्टीकरण की गुणवत्ता में महत्वपूर्ण सुधार हुआ है।
SPIRE एक अर्ध-संरचित (semi-structured) HTML दस्तावेज़ों के लिए एक संरचना-संरक्षण (structure-preserving) रिट्रीवल फ्रेमवर्क है जो वृक्ष-संरचित उप-दस्तावेजों (tree-structured subdocuments) को इंडेक्स करने और वैश्विक एवं स्थानीय संदर्भ तंत्र (global and local contextualization mechanisms) लागू करने द्वारा उद्धरण की गुणवत्ता और व्याख्यात्मकता में सुधार करता है, जो प्रश्न-उत्तर कार्यों में पारंपरिक फ्लैट-चंक (flat-chunk) बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र एसोसिएशन-ऑगमेंटेड रिट्रीवल (AAR) को प्रस्तुत करता है, जो एक हल्का, कॉर्पस-विशिष्ट रीरैंकिंग तरीका है जो कॉन्ट्रास्टिव लर्निंग के माध्यम से पैसेजेस के बीच साहचर्य संबंधों (associative relationships) को सीखकर मल्टी-हॉप रिट्रीवल प्रदर्शन में महत्वपूर्ण सुधार करता है, यह प्रदर्शित करते हुए कि जटिल तर्क (complex reasoning) के लिए सामान्य सिमेंटिक समानता की तुलना में ऐसे विशिष्ट सह-उपस्थिति पैटर्न अधिक प्रभावी होते हैं।