25631 पेपर
यह शोध पत्र रिट्रीवल-ऑगमेंटेड जनरेशन में कॉन्टेक्स्ट एट्रिब्यूशन के लिए एक नवीन ढांचे का प्रस्ताव करता है जो इस समस्या को एक कॉम्बिनेटरियल मल्टी-आर्म्ड बैंडिट कार्य के रूप में स्वरूपित करता है, जिसमें लीनियर थॉमसन सैंपलिंग का उपयोग करके प्रभावशाली कॉन्टेक्स्ट सेगमेंट की कुशलतापूर्वक पहचान की जाती है, जो मौजूदा विधियों की एट्रिब्यूशन गुणवत्ता के बराबर या उससे बेहतर होते हुए मॉडल क्वेरीज़ को 30% तक कम कर देता है।
यह शोध पत्र POLIS को प्रस्तुत करता है, जो एक ऐसा ढांचा है जहाँ विषम (heterogeneous) लार्ज लैंग्वेज मॉडल्स, पीयर वेरिफिकेशन और साझा मेमोरी में मान्य आर्टिफैक्ट्स के प्रतिधारण (retention) के माध्यम से मानव संचयी सांस्कृतिक विकास (cumulative cultural evolution) की नकल करके गणितीय तर्क में महत्वपूर्ण प्रदर्शन लाभ प्राप्त करते हैं, जो यह प्रदर्शित करता है कि संरचित सामाजिक संपर्क मॉडल के आकार के लंबवत (orthogonal) एक शक्तिशाली स्केलिंग लीवर के रूप में कार्य करता है।
यह शोध पत्र FLOSS प्रस्तुत करता है, जो एक फेडरेटेड लर्निंग सिस्टम है जिसे उपयोगकर्ता के ऑप्ट-आउट और डिवाइस स्ट्रैगलर के कारण होने वाले लापता डेटा से उत्पन्न मॉडल प्रदर्शन में गिरावट और पूर्वाग्रह को कम करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र एक नवीन कॉन्स्टलेशन-आधारित रिवॉर्ड फंक्शन के साथ एक सुदृढीकरण शिक्षण (reinforcement learning) दृष्टिकोण प्रस्तुत करता है जो मानवोइड्स को कुशलतापूर्वक और मजबूती से अल्प-दूरी के SE(2) लक्ष्य पोज तक पहुँचने में सक्षम बनाता है, जो सिमुलेशन और वास्तविक हार्डवेयर दोनों में पारंपरिक वेग-ट्रैकिंग विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र PMSR का प्रस्ताव करता है, जो एक प्रगतिशील मल्टीमॉडलल सर्च और रीजनिंग फ्रेमवर्क है जो सिंगल-पास रिट्रीवल-ऑगमेंटेड जनरेशन की सीमाओं को दूर करने के लिए ड्यूल-स्कोप क्वेरीज़ और इटरेटिव रिफाइनमेंट का उपयोग करके नॉलेज-इंटेंसिव विजुअल क्वेश्चन अनswering को बढ़ाता है, जिससे विविध बेंचमार्क पर नॉलेज रिट्रीवल और उत्तर की सटीकता दोनों में महत्वपूर्ण सुधार होता है।
यह शोधपत्र SMARTER को प्रस्तुत करता है, जो एक डेटा-कुशल, दो-चरणीय ढांचा है जो सिंथेटिक स्पष्टीकरण उत्पन्न करने और क्रॉस-मॉडल प्रशिक्षण के माध्यम से उन्हें परिष्कृत करने के लिए स्व-संवर्धित (self-augmenting) लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे न्यूनतम मानवीय पर्यवेक्षण के साथ विषाक्तता का पता लगाने और स्पष्टीकरण की गुणवत्ता में महत्वपूर्ण सुधार प्राप्त होता है।
यह शोध पत्र डैफी (Dafny) सिस्टम का उपयोग करके अल्फा-बीटा प्रूनिंग और ट्रांसपोज़िशन टेबल्स के साथ मिनिमैक्स सर्च एल्गोरिदम का एक औपचारिक सत्यापन प्रस्तुत करता है, जो एक साक्षी-आधारित (witness-based) शुद्धता मानदंड पेश करता है जो सफलतापूर्वक एक व्यावहारिक संस्करण को सिद्ध करता है जबकि दूसरे में शुद्धता उल्लंघन को उजागर करता है।
यह अध्ययन प्रकट करता है कि जबकि ट्रांसफार्मर मॉडल स्केलिंग के माध्यम से कम-आयामी ग्रिड जैसी संरचनाओं पर ट्रांजिटिव कनेक्टिविटी को प्रभावी ढंग से सीख और सामान्यीकृत कर सकते हैं, वे कई विच्छेदित घटकों या उच्च-आयामी संरचनाओं वाले जटिल ग्राफों पर ऐसा करने में संघर्ष करते हैं।
यह शोध पत्र मल्टी-लेवल ऑप्टिमल ट्रांसपोर्ट (MOT) प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो मानक लेयर-वाइज अलाइनमेंट की सीमाओं को दूर करता है, क्योंकि यह न्यूरल नेटवर्क परतों और मस्तिष्क के क्षेत्रों के बीच वैश्विक रूप से सुसंगत, सॉफ्ट ट्रांसपोर्ट प्लान को संयुक्त रूप से निष्कर्ष निकालता है, जिससे विभिन्न गहराइयों और आर्किटेक्चर वाले मॉडलों के बीच मजबूत, व्याख्यात्मक तुलना सक्षम होती है।
यह शोधपत्र तर्क देता है कि मानव लेबल भिन्नता (Human Label Variation - HLV), जिसे अक्सर शोर (noise) मानकर खारिज कर दिया जाता है, को पोस्ट-ट्रेनिंग एनएलपी (NLP) डेटासेट्स में एक अंतर्निहित मूल्य (*Selbstzweck*) के रूप में संरक्षित किया जाना चाहिए ताकि विविध दृष्टिकोणों को कृत्रिम सर्वसम्मति में समेटने के बजाय मानवीय बहुलवाद को बेहतर ढंग से पकड़ा जा सके और सामाजिक-तकनीकी सुरक्षा सुनिश्चित की जा सके।