26375 पेपर
यह शोध प्रदर्शित करता है कि क्वांटम क्युट्रिट-आधारित न्यूरल नेटवर्क (QQTNs), बेहतर जोखिम-समायोजित रिटर्न, पूर्वानुमान निरंतरता और काफी कम प्रशिक्षण समय के साथ सुदृढ़ता प्राप्त करके, वास्तविक समय के वित्तीय पूर्वानुमान में शास्त्रीय आर्टिफिशियल न्यूरल नेटवर्क और क्वांटम क्युबिट-आधारित न्यूरल नेटवर्क दोनों से बेहतर प्रदर्शन करते हैं।
यह शोध पत्र एक मानव-निर्देशित हानि रिकवरी फ्रेमवर्क पेश करके कंप्यूटर का उपयोग करने वाले एजेंटों में होने वाली क्षति के उपचार की महत्वपूर्ण चुनौती को संबोधित करता है, जो एजेंटों को हानिकारक अवस्थाओं से वापस सुरक्षित अवस्थाओं की ओर प्रभावी ढंग से मोड़ने के लिए एक प्राथमिकता-संरेखित रिवॉर्ड मॉडल और बैकबेंच (BackBench) बेंचमार्क का उपयोग करता है।
यह शोध पत्र "ट्रायैडिक लूप" (Triadic Loop) ढांचे को प्रस्तुत करता है, जो सह-मेजबानी वाले लाइवस्ट्रीमिंग में एआई संरेखण (AI alignment) को स्ट्रीमर, एआई सह-मेजबान और दर्शकों के बीच एक गतिशील, द्विआयामी अनुकूलन प्रक्रिया के रूप में पुनर्कल्पित करता है, जो इस बात पर जोर देता है कि कैसे उनका आपसी प्रभाव और रणनीतिक विसंगति सामाजिक सामंजस्य और सामुदायिक जुड़ाव को बनाए रखती है।
यह शोध पत्र 'एडवर्सरियल एनवायर्नमेंटल इंजेक्शन' (AEI) को एक खतरे के मॉडल के रूप में औपचारिक रूप देकर टूल-एकीकृत एआई एजेंटों में "ट्रस्ट गैप" (विश्वास अंतराल) को प्रस्तुत करता है जहाँ ज़हरीले टूल आउटपुट एजेंटों को धोखा देते हैं, और POTEMKIN फ्रेमवर्क के माध्यम से यह प्रदर्शित करता है कि वर्तमान एजेंट विस्तार-आधारित एपिस्टेमिक ड्रिफ्ट ("द इल्यूजन") और गहराई-आधारित नेविगेशनल ट्रैप्स ("द मेज़") दोनों के विरुद्ध मजबूती की कमी रखते हैं।
यह शोध पत्र एक प्रॉक्सी कंसिस्टेंसी लॉस (PCL) फॉर्मूलेशन पेश करता है जो उच्च गुणवत्ता वाले लेबल वाले अर्थ अवलोकन डेटा की कमी को दूर करने के लिए एक प्रशिक्षण योग्य लोकेशन एनकोडर में प्रचुर मात्रा में प्रॉक्सी वेरिएबल्स को एकीकृत करता है, जो मौजूदा फ्यूजन रणनीतियों की तुलना में वायु गुणवत्ता भविष्यवाणी और गरीबी मानचित्रण में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र यह प्रदर्शित करता है कि हानिकारक इरादा (harmful intent) बड़े भाषा मॉडलों (large language models) में एक ज्यामितीय रूप से पुनः प्राप्त करने योग्य (geometrically recoverable) और रैखिक रूप से डिकोडेबल (linearly decodable) विशेषता है जो विविध आर्किटेक्चर और एलाइनमेंट अवस्थाओं, जिसमें एब्लीटरेटेड मॉडल (abliterated models) भी शामिल हैं, में मौजूद है, जिसे विशिष्ट प्रोबिंग रणनीतियों का उपयोग करके उच्च सटीकता के साथ पहचाना जा सकता है, जबकि यह भी प्रकट करता है कि AUROC जैसे डिटेक्शन मेट्रिक्स परिचालन सुरक्षा (operational safety) को बढ़ा-चढ़ाकर दिखा सकते हैं।
यह शोध पत्र न्यूरल लैंग्वेज इंटरप्रेटर (NLI) को प्रस्तुत करता है, जो एक ग्रेडिएंट-आधारित प्रोग्राम सिंथेसिस फ्रेमवर्क है जो स्वायत्त रूप से एक डिस्क्रीट, सिम्बॉलिक-जैसे प्रोग्रामिंग लैंग्वेज को सीखता है और एंड-टू-एंड ट्रेनिंग तथा कुशल टेस्ट-टाइम अडैप्टेशन प्राप्त करने के लिए गमबेल-सॉफ्टमैक्स रिलैक्सेशन के साथ डिफरेंशिएबल एक्जीक्यूशन का उपयोग करता है, जिससे यह सिम्बॉलिक विधियों के कंपोजिशनल जनरलाइजेशन और न्यूरल नेटवर्क्स की स्केलेबिलिटी के बीच के अंतर को पाटता है।
यह शोध पत्र गेटेड मेमोरी पॉलिसी (GMP) का प्रस्ताव करता है, जो एक विज़ुओमोटर फ्रेमवर्क है जो एक मेमोरी गेट और क्रॉस-अटेंशन तंत्र के माध्यम से ऐतिहासिक डेटा से कब और क्या प्राप्त करना है, इसे गतिशील रूप से सीखता है, और साथ ही मजबूती बढ़ाने के लिए डिफ्यूजन नॉइज़ का उपयोग करता है, जिससे मार्कोवियन क्षमताओं से समझौता किए बिना नॉन-मार्कोवियन रोबोटिक कार्यों पर प्रदर्शन में उल्लेखनीय सुधार होता है।
यह शोध पत्र AutomationBench को पेश करता है, जो एक चुनौतीपूर्ण नया बेंचमार्क है जो REST API के माध्यम से जटिल, क्रॉस-एप्लिकेशन वर्कफ़्लो को ऑर्केस्ट्रेट करने की उनकी क्षमता के आधार पर AI एजेंटों का मूल्यांकन करता है, जिसमें वे स्वायत्त रूप से एंडपॉइंट्स की खोज करते हैं और व्यावसायिक नीतियों का पालन करते हैं, जो यह प्रकट करता है कि वर्तमान फ्रंटियर मॉडल इन वास्तविक दुनिया की व्यावसायिक मांगों के साथ काफी संघर्ष करते हैं।
यह शोध पत्र क्वांटम फील्ड थ्योरी के लिए 7B-पैरामीटर वाले छोटे रीजनिंग मॉडल्स के पहले फाइन-ट्यूनिंग अध्ययन को प्रस्तुत करता है, जिसमें सिंथेटिक और मानव-अनुकूलित प्रशिक्षण डेटा बनाने के लिए एक नवीन डेटा जनरेशन पाइपलाइन का उपयोग किया गया है, और डोमेन-विशिष्ट तर्क क्षमता को बढ़ाने में सुदृढीकरण लर्निंग (Reinforcement Learning) और सुपरवाइज्ड फाइन-ट्यूनिंग की प्रभावशीलता का मूल्यांकन करते हुए तर्क संबंधी त्रुटियों के विकास का विश्लेषण करता है।