25770 पेपर
यह शोध पत्र QuanForge को प्रस्तुत करता है, जो क्वांटम न्यूरल नेटवर्क के लिए एक नवीन म्यूटेशन टेस्टिंग फ्रेमवर्क है जो प्रभावी म्यूटेंट्स को व्यवस्थित रूप से उत्पन्न करने के लिए सांख्यिकीय म्यूटेशन किलिंग और नौ पोस्ट-ट्रेनिंग ऑपरेटर्स का उपयोग करता है, जिससे QNNs के सुदृढ़ टेस्ट सुइट मूल्यांकन, भेद्यता स्थानीयकरण (vulnerability localization), और शोर-लचीले संरचनात्मक मूल्यांकन को सक्षम बनाया जा सके।
यह शोध पत्र टेक्स्टुअल पैरामीटर ग्राफ ऑप्टिमाइज़ेशन (TPGO) को प्रस्तुत करता है, जो एक स्व-सुधार ढांचा है जो मल्टी-एजेंट सिस्टम को मॉड्यूलर ग्राफ के रूप में मॉडल करता है और प्राकृतिक भाषा फीडबैक का उपयोग करके एजेंट इंटरैक्शन को पुनरावृत्ति से परिष्कृत करने के लिए ग्रुप रिलेटिव एजेंट ऑप्टिमाइज़ेशन (GRAO) नामक एक मेटा-लर्निंग रणनीति को नियोजित करता है, जिससे जटिल एजेंट सिस्टम के विकास को स्वचालित और उन्नत किया जाता है।
COMPASS एक नवीन डेटा-केंद्रित ढांचा है जो वितरण-जागरूक क्लस्टरिंग के आधार पर सहायक बहुभाषी डेटा चुनने के लिए एडेप्टिव सिमेंटिक सैंपलिंग के साथ पैरामीटर-कुशल फाइन-ट्यूनिंग का उपयोग करता है, जिससे सकारात्मक क्रॉस-लिंगुअल ट्रांसफर को अधिकतम और हस्तक्षेप को न्यूनतम करते हुए गतिशील डेटा वितरणों के प्रति निरंतर अनुकूलन सक्षम होता है।
यह शोध पत्र टोकनाइज्ड फ्लो मैचिंग फॉर पोस्टीरियर एस्टीमेशन (TFMPE) को प्रस्तुत करता है, जो एक नवीन पदानुक्रमित सिमुलेशन-आधारित अनुमान पद्धति है जो लाइक्लीहुड फैक्टराइजेशन और टोकनाइज्ड फ्लो मैचिंग का लाभ उठाती है ताकि सिंगल-साइट सिमुलेशन पर प्रशिक्षण दिया जा सके, जिससे संक्रामक रोग और फ्लूइड डायनेमिक्स मॉडलों में सुव्यवस्थित पोस्टीरियर अनुमानों को बनाए रखते हुए कम्प्यूटेशनल लागतों को महत्वपूर्ण रूप से कम किया जा सके।
यह शोध पत्र सप्लीमेंट जनरेशन ट्रेनिंग (SGT) का प्रस्ताव करता है, जो एक लागत प्रभावी रणनीति है जो एक छोटे भाषा मॉडल को बड़े फाउंडेशन मॉडल्स के लिए गतिशील पूरक पाठ (supplemental text) उत्पन्न करने के लिए प्रशिक्षित करती है, जिससे महंगे पोस्ट-ट्रेनिंग या मॉडल संशोधन की आवश्यकता के बिना एजेंटिक कार्य प्रदर्शन में वृद्धि होती है।
यह शोधपत्र अपूर्ण धारणा (इम्परफेक्ट परसेप्शन) वाले स्वायत्त तंत्रों के लिए एक शिल्डिंग फ्रेमवर्क प्रस्तावित करता है जो धारणा अनिश्चितता के लिए कॉन्फिडेंस इंटरवल (विश्वास अंतराल) बनाने हेतु सीमित लेबल किए गए डेटा का लाभ उठाता है, जो एक कंजर्वेटिव बिलीफ सेट (रूढ़िवादी विश्वास सेट) की गणना करने के लिए सिस्टम को एक इंटरवल POMDP के रूप में मॉडल करता है और एक परिमित क्षितिज (फाइनाइट होराइजन) पर उच्च-संभाव्यता सुरक्षा गारंटी लागू करता है।
यह शोध पत्र "सिमेंटिक स्ट्रैटिफिकेशन" (semantic stratification) का प्रस्ताव करता है, जो दस्तावेज़ों को इकाई-आधारित समूहों (entity-based clusters) में व्यवस्थित करके और व्यापक कवरेज तथा विफलता मोड की पारदर्शी पहचान सुनिश्चित करने के लिए लक्षित प्रश्न (targeted queries) उत्पन्न करके, रिट्रीवल मूल्यांकन को एक सांख्यिकीय अनुमान समस्या के रूप में औपचारिक रूप देता है, जिससे वर्तमान ह्यूरिस्टिक-आधारित मूल्यांकन विधियों के अंतर्निहित पूर्वाग्रहों पर विजय प्राप्त होती है।
यह शोध पत्र SWE-chat को प्रस्तुत करता है, जो ओपन-सोर्स डेवलपर्स से वास्तविक दुनिया के कोडिंग एजेंट इंटरैक्शन का पहला बड़े पैमाने पर, निरंतर अपडेट किया जाने वाला डेटासेट है, जो यह प्रकट करता है कि हालांकि उपयोग पैटर्न द्वि-आयामी (bimodal) हैं, एजेंट वर्तमान में कम कोड उत्तरजीविता दर (code survival rates), उच्च सुरक्षा कमजोरियां और बार-बार उपयोगकर्ता का विरोध प्रदर्शित करते हैं, जो क्यूरेटेड बेंचमार्क से परे साक्ष्य-आधारित सुधारों की आवश्यकता को रेखांकित करता है।
यह अध्ययन नैदानिक लार्ज लैंग्वेज मॉडल्स का मूल्यांकन करता है और पाता है कि जबकि वे बिना हस्तक्षेप के अर्थपूर्ण निष्ठा और पठनीयता में चिकित्सकों से मेल खाने में संघर्ष करते हैं, वे सहयोगात्मक उपकरणों के रूप में सबसे प्रभावी ढंग से कार्य करते हैं जो, जब पुनर्गठित या पुनर्गठित किए जाते हैं, तो रोगियों के लिए संचार की स्पष्टता और भावनात्मक स्वर को महत्वपूर्ण रूप से बढ़ाते हैं।
यह शोध पत्र एक हाइब्रिड इंटेलिजेंट सिस्टम आर्किटेक्चर प्रस्तावित करता है जो विविध अनुप्रयोगों में दीर्घकालिक तर्क, संरचनात्मक समझ और निर्णय लेने की विश्वसनीयता को बढ़ाने के लिए बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) को एक स्वचालित रूप से निर्मित, सत्यापन योग्य ऑन्टोलॉजिकल मेमोरी लेयर के साथ संवर्धित करता है।