25770 पेपर
यह शोध पत्र पिस्टा (Pista) को प्रस्तुत करता है, जो एक स्प्रेडशीट एआई एजेंट है जिसे निष्पादन को ऑडिट करने योग्य और नियंत्रणीय कार्यों में विभाजित करने के लिए डिज़ाइन किया गया है, और उपयोगकर्ता अध्ययनों के माध्यम से यह प्रदर्शित करता है कि निर्णय लेने में सक्रिय मानवीय भागीदारी—न कि केवल उत्तर-पश्चात समीक्षा—प्रभावी निरीक्षण, त्रुटि का पता लगाने और एआई-संचालित ज्ञान कार्य में सह-स्वामित्व की भावना के लिए आवश्यक है।
यह शोध पत्र PLMA का प्रस्ताव करता है, जो एक नवीन क्रमपरिवर्तन शिक्षण ढांचा (permutation learning framework) है जो विविध बेंचमार्क में NP-hard क्वाड्रेटिक असाइनमेंट प्रॉब्लम को हल करने में अत्याधुनिक प्रदर्शन और मजबूती प्राप्त करने के लिए एक स्केलेबल क्रॉस-ग्राफ अटेंशन-आधारित ऊर्जा मॉडल को एक कुशल वॉर्म-स्टार्टेड MCMC फाइनट्यूनिंग प्रक्रिया के साथ जोड़ता है।
यह शोध पत्र मेटा एडिटिव मॉडल (MAM) का प्रस्ताव करता है, जो एक नवीन बाइलेवल ऑप्टिमाइज़ेशन फ्रेमवर्क है जो आउटलेर्स और असंतुलित डेटा जैसी जटिल शोर स्थितियों के तहत स्पार्स एडिटिव मॉडल्स की मजबूती, व्याख्यात्मकता और प्रदर्शन को बढ़ाने के लिए एक मेटा-लर्न किए गए MLP के माध्यम से स्वचालित रूप से डेटा-संचालित सैंपल वेट्स सीखता है।
यह शोध पत्र प्रथम-क्रम ग्रेडिएंट-आधारित सॉल्वर्स (first-order gradient-based solvers) के लिए पहला व्यवस्थित सामान्यीकरण विश्लेषण (systematic generalization analysis) प्रदान करके बाइलेवल मिनिमैक्स ऑप्टिमाइज़ेशन (bilevel minimax optimization) में एक महत्वपूर्ण सैद्धांतिक अंतराल को पाटता है, जो सूक्ष्म सीमाएं (fine-grained bounds) व्युत्पन्न करता है जो सिंगल- और टू-टाइमस्केल (single- and two-timescale) विधियों में एल्गोरिद्मिक स्थिरता और सामान्यीकरण प्रदर्शन के बीच एक सटीक ट्रेड-ऑफ को प्रकट करती हैं।
यह शोध पत्र एक पोस्ट-हॉक, मॉडल-अज्ञेय (मॉडल-एग्नोस्टिक) अनुकूली कॉन्फॉर्मल विसंगति पहचान ढांचे का प्रस्ताव करता है जो पूर्व-प्रशिक्षित टाइम सीरीज़ फाउंडेशन मॉडल्स का लाभ उठाकर नियंत्रित फाल्स अलार्म दरों के साथ व्याख्या योग्य, कैलिब्रेटेड विसंगति स्कोर उत्पन्न करता है, जिससे बिना किसी अतिरिक्त फाइन-ट्यूनिंग की आवश्यकता के संसाधन-सीमित औद्योगिक सेटिंग्स में मजबूत और तीव्र परिनियोजन सक्षम होता है।
यह शोध पत्र HiPO (Hierarchical Preference Optimization) का प्रस्ताव करता है, जो डायरेक्ट प्रेफरेंस ऑप्टिमाइज़ेशन (DPO) का एक नवीन विस्तार है, जो प्रतिक्रियाओं को तर्क संबंधी खंडों (reasoning segments) में विभाजित करता है ताकि सूक्ष्म, खंड-विशिष्ट प्रशिक्षण सक्षम किया जा सके, जिससे मानक DPO की तुलना में जटिल तर्क कार्यों पर बड़े भाषा मॉडलों के तार्किक प्रवाह, निरंतरता और प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र प्रदर्शित करता है कि छोटे भाषा मॉडलों के लिए, दस्तावेज़ीकरण के साथ सावधानीपूर्वक डिज़ाइन की गई फ्यू-शॉट प्रॉम्प्टिंग, टूल उपयोग के लिए जटिल हाइपरनेटवर्क-आधारित LoRA अनुकूलन से काफी बेहतर प्रदर्शन करती है, जो कम विलंबता (लेटेंसी) के साथ लगभग GPT-5 स्तर का प्रदर्शन प्राप्त करती है और चिकित्सकों को वास्तुशिल्प जटिलता के बजाय प्रॉम्प्ट इंजीनियरिंग की ओर पुनर्निर्देशित करती है।
यह शोध पत्र वाइब्रोटैक्टाइल प्रेफरेंस लर्निंग (VPL) को प्रस्तुत करता है, जो एक अनिश्चितता-जागरूक प्रणाली है जो कम कार्यभार वाले युग्म तुलना अध्ययन (pairwise comparison study) के माध्यम से प्राथमिकता स्थानों को सीखने के लिए गॉसियन प्रक्रियाओं और सूचना-लाभ आधारित क्वेरी रणनीति का लाभ उठाकर व्यक्तिगत उपयोगकर्ताओं के लिए हैप्टिक फीडबैक को कुशलतापूर्वक वैयक्तिकृत करती है।
यह शोध पत्र कोड सुरक्षा संबंधी समस्याओं को लॉग करने के लिए एक व्यापक वर्गीकरण और बेंचमार्क डेटासेट प्रस्तुत करता है, जो इन कमजोरियों का पता लगाने और उन्हें ठीक करने के लिए लार्ज लैंग्वेज मॉडल्स (LLMs) की क्षमताओं का मूल्यांकन करता है और यह प्रकट करता है कि जहाँ LLMs मध्यम पहचान सटीकता दिखाते हैं, वहीं वे सही कोड सुधारों को विश्वसनीय रूप से उत्पन्न करने में संघर्ष करते हैं।
यह शोध पत्र हाइब्रिड पॉलिसी डिस्टिलेशन (HPD) को प्रस्तुत करता है, जो एक एकीकृत नॉलेज डिस्टिलेशन फ्रेमवर्क है जो विविध कार्यों में लार्ज लैंग्वेज मॉडल्स को कंप्रेस करने की स्थिरता, दक्षता और प्रदर्शन को बढ़ाने के लिए ऑफ-पॉलिसी और एप्रोक्सिमेट ऑन-पॉलिसी डेटा के मिश्रण के साथ फॉरवर्ड और रिवर्स KL डाइवर्जेंस को एकीकृत करता है।