26375 पेपर
यह शोध पत्र प्लॉसिबल लॉजिक (PL) को प्रस्तुत करता है, जो कि डिफ़ेज़िबल रीजनिंग (defeasible reasoning) के लिए डिज़ाइन किया गया एक प्रथम-क्रम का गैर-संभाव्यता तर्क है, जो 17 प्रस्तावित सिद्धांतों का पालन करता है और तथ्यों एवं डिफ़ेज़िबल कथनों से तर्कसंगत निष्कर्ष निकालने के लिए आठ विशिष्ट तर्क एल्गोरिदमों का उपयोग करता है।
यह शोध पत्र RARE प्रस्तुत करता है, जो एक रेडंडेंसी-अवेयर (redundancy-aware) रिट्रीवल इवैल्यूएशन फ्रेमवर्क है जो दस्तावेजों को परमाणु तथ्यों (atomic facts) में विघटित करके और CRRF के साथ LLM-आधारित डेटा जनरेशन को उन्नत करके अत्यधिक समान कॉर्पोरा में मौजूदा QA बेंचमार्क की सीमाओं को संबोधित करता है, जो अंततः वित्तीय, कानूनी और पेटेंट डोमेन में नए RedQA बेंचमार्क के माध्यम से वर्तमान रिट्रीवर्स में महत्वपूर्ण मजबूती के अंतराल (robustness gaps) को प्रकट करता है।
यह शोध पत्र "Refute-or-Promote" को प्रस्तुत करता है, जो एक प्रतिकूल मल्टी-एजेंट फ्रेमवर्क है जो LLM-सहायता प्राप्त दोष खोज (defect discovery) में फॉल्स पॉजिटिव्स को फ़िल्टर करने के लिए स्ट्रैटिफाइड कॉन्टेक्स्ट हंटिंग, क्रॉस-मॉडल क्रिटीक और अनिवार्य एम्पिरिकल वैलिडेशन का उपयोग करता है, जिससे उच्च परिशुद्धता और वास्तविक दुनिया का प्रभाव प्राप्त होता है जिसमें सुरक्षा लाइब्रेरी और कंपाइलर में कई CVEs और मानक स्वीकृतियां शामिल हैं।
यह शोध पत्र रेडियोलॉजी रिपोर्ट से बीमारियों को वर्गीकृत करने के लिए हल्के (lightweight) LLMs की सटीकता और तर्क क्षमताओं दोनों को बढ़ाने के लिए सुपरवाइज्ड फाइन-ट्यूनिंग को ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन के साथ संयोजित करने वाले एक दो-चरणीय ढांचे का प्रस्ताव करता है, जो कई डेटासेट पर मानक बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र एक प्रोडक्ट-ऑफ-एक्सपर्ट्स (PoE) प्रशिक्षण पद्धति प्रस्तावित करता है जो पक्षपाती उदाहरणों को कम महत्व देकर नेचुरल लैंग्वेज इन्फरेंस मॉडलों में डेटासेट आर्टिफ़ैक्ट्स पर निर्भरता को प्रभावी ढंग से कम करता है, जिससे समग्र सटीकता में न्यूनतम हानि के साथ महत्वपूर्ण डिबायसिंग प्राप्त होता है।
यह शोध पत्र S2MAM का प्रस्ताव करता है, जो एक अर्ध-पर्यवेक्षित मेटा एडिटिव मॉडल (semi-supervised meta additive model) है, जो सूचनात्मक चरों की स्वचालित पहचान करने और समानता मैट्रिक्स (similarity matrices) को अपडेट करने के लिए एक बाइलेवल ऑप्टिमाइज़ेशन स्कीम का उपयोग करता है, जिससे शोर वाले या अनावश्यक डेटा को संभालने में पारंपरिक ग्राफ लैपलेसियन रेगुलराइजेशन की सीमाओं को पार करते हुए मजबूत और व्याख्या योग्य भविष्यवाणियां प्राप्त की जा सकती हैं।
यह शोध पत्र ProjLens प्रस्तुत करता है, जो एक व्याख्यात्मकता ढांचा (interpretability framework) है जो यह प्रकट करता है कि मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स में बैकडोर हमले कैसे प्रोजेक्टर्स के भीतर लो-रैंक सबस्पेस का शोषण करते हैं और सक्रियण के लिए इनपुट-नॉर्म-डिपेंडेंट सिमेंटिक शिफ्ट का उपयोग करते हैं, जिससे सुरक्षा शमन में सहायता के लिए उनके अंतर्निहित तंत्रों को स्पष्ट किया जा सके।
यह शोध पत्र ऑप्शंस-आधारित लार्ज लैंग्वेज मॉडल्स (OLLM) को प्रस्तुत करता है, जो एक हल्का आर्किटेक्चरल प्लग-इन है जो सिंगल नेक्स्ट-टोकन प्रेडिक्शन को एक डिस्क्रीट लेटेंट वेरिएबल द्वारा इंडेक्स किए गए सीखे हुए ऑप्शंस के सेट से बदल देता है, जिससे मानक बेसलाइन्स की तुलना में अधिक सैंपल-एफिशिएंट पॉलिसी लर्निंग और गणितीय तर्क प्रदर्शन में महत्वपूर्ण सुधार सक्षम होता है।
यह शोध पत्र LightEdit का प्रस्ताव करता है, जो एक स्केलेबल लाइफलॉन नॉलेज एडिटिंग फ्रेमवर्क है जो चयनात्मक ज्ञान पुनर्प्राप्ति (selective knowledge retrieval) को मूल ज्ञान की संभावनाओं को दबाने वाली एक डिकोडिंग रणनीति के साथ जोड़ता है, जिससे विविध डेटासेटों में कुशल और लागत प्रभावी अपडेट प्राप्त होते हैं और मौजूदा विधियों की स्थिरता एवं प्रशिक्षण लागत संबंधी सीमाओं को दूर किया जाता है।
यह शोध पत्र एक एकीकृत सुदृढीकरण शिक्षण (reinforcement learning) ढांचे के भीतर एक चयनात्मक एडवर्सरियल मोशन प्रायर (AMP) रणनीति प्रस्तुत करता है जो स्थिरता-महत्वपूर्ण गतिविधियों के लिए AMP को लागू करते हुए अत्यधिक गतिशील क्रियाओं के लिए इसे छोड़ देता है, जिससे एक ह्यूमनॉइड रोबोट को पांच विशिष्ट चालों में महारत हासिल करने में सक्षम बनाया जा सके, और इस प्रकार समान AMP दृष्टिकोणों की तुलना में बेहतर अभिसरण (convergence), ट्रैकिंग सटीकता और सिम-टू-रियल स्थानांतरण प्रदर्शन प्राप्त किया जा सके।