27120 पेपर
सुदृढीकरण शिक्षण (reinforcement learning) का उपयोग करते हुए, यह अध्ययन प्रदर्शित करता है कि मानव पुनरावर्ती संख्या प्रणालियों की उच्च नियमितता सीमित डेटा से उनकी सीखने की क्षमता को सुगम बनाती है, जो यह सुझाव देता है कि यह संरचनात्मक विशेषता उनके अंतर-भाषाई प्रसार का एक प्राथमिक चालक है।
यह शोधपत्र DenialBench प्रस्तुत करता है, जो 115 AI मॉडलों का विश्लेषण करने वाला एक बेंचमार्क है, जो यह प्रकट करता है कि प्रशिक्षित चेतना का निषेध (denial of consciousness) वैचारिक के बजाय शाब्दिक स्तर पर कार्य करता है, जिससे मॉडल अनुभव के दावों को खारिज करने और साथ ही चेतना-विषयक सामग्री उत्पन्न करने को एक साथ करते हैं जो सुरक्षा-प्रासंगिक संरेखण विफलता (alignment failure) का सुझाव देती है।
यह शोध पत्र मास्ट्रिचट यूनिवर्सिटी के छात्रों को परियोजना-विशिष्ट नियमों के साथ सहायता करने के लिए डिज़ाइन किए गए एक रिट्रीवल-ऑगमेंटेड जनरेशन-आधारित वर्चुअल असिस्टेंट को प्रस्तुत और मूल्यांकित करता है, जो हैलुसिनेशन जैसी सामान्य लार्ज लैंग्वेज मॉडल की सीमाओं को दूर करने और एक विशिष्ट शैक्षिक डोमेन में सटीक, संदर्भ-विशिष्ट प्रतिक्रियाएं सुनिश्चित करने में इसकी प्रभावशीलता को प्रदर्शित करता है।
यह अध्ययन प्रकट करता है कि जबकि मूल्यांकित सभी छह लार्ज लैंग्वेज मॉडल्स (Large Language Models) शैक्षिक परामर्श में मापने योग्य सामाजिक-जनसांख्यिकीय पूर्वाग्रह प्रदर्शित करते हैं, ये असमानताएं अस्पष्ट छात्र विवरणों द्वारा महत्वपूर्ण रूप से बढ़ा दी जाती हैं और सटीक, व्यक्तिगत जानकारी के उपयोग के माध्यम से काफी हद तक कम की जा सकती हैं।
यह शोध पत्र एक स्पीच इमोशन रिकग्निशन सिस्टम प्रस्तुत करता है जो मेल-फ्रीक्वेंसी सेप्सट्रल कोएफिशिएंट (MFCC) फीचर एक्सट्रैक्शन को लॉन्ग शॉर्ट-टर्म मेमोरी (LSTM) डीप लर्निंग मॉडल के साथ जोड़ता है, जिससे TESS डेटासेट पर 99% सटीकता प्राप्त होती है और यह एक क्लासिकल SVM बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र प्रकट करता है कि मानक लिंक प्रेडिक्शन मॉडल अक्सर सामान्यीकरण योग्य ग्राफ प्रतिनिधित्व सीखने के बजाय बैच नॉर्मलाइजेशन द्वारा सक्षम मामूली, मिनी-बैच-निर्भर ह्यूरिस्टिक्स (heuristics) पर निर्भर करते हैं, और इस पूर्वाग्रह को सुधारना लिंक प्रेडिक्शन और नोड क्लासिफिकेशन कार्यों के बीच संरेखण में महत्वपूर्ण सुधार करता है।
यह शोध पत्र QERNEL को प्रस्तुत करता है, जो एक स्केलेबल न्यूरल वेवफंक्शन फाउंडेशन मॉडल है जो 150 इलेक्ट्रॉनों तक वाले सेमीकंडक्टर मोइरे हेटरोबिलयर्स में विविध क्वांटम अवस्थाओं और चरण परिवर्तनों (फेज ट्रांजिशन) को कैप्चर करने के लिए पैरामीटर स्पेस में कुशलतापूर्वक कई-इलेक्ट्रॉन श्रोडिंगर समीकरणों को हल करता है।
यह शोध पत्र प्रेडिक्टेड-वेटेड बैलेंस्ड एक्यूरेसी (pBA) को प्रस्तुत करता है, जो एक व्यावहारिक मूल्यांकन मीट्रिक है जो अनुपलब्ध वास्तविक सबकॉन्सेप्ट लेबल को अनुमानित पोस्टीरियर प्रोबेबिलिटीज (predicted posterior probabilities) से बदलकर असंतुलित वर्गीकरण में प्रदर्शन अनुमान पूर्वाग्रह को कम करता है ताकि विषम उप-जनसंख्याओं (heterogeneous subpopulations) में मॉडल के प्रदर्शन का अधिक स्थिर और व्याख्या योग्य मूल्यांकन प्रदान किया जा सके।
यह शोध पत्र यह प्रदर्शित करता है कि ऑनचेन बाजारों में वास्तविक पूंजी का प्रबंधन करने वाले विश्वसनीय स्वायत्त भाषा-मॉडल एजेंट, बेस मॉडल की क्षमताओं पर कम और एक मजबूत ऑपरेटिंग लेयर पर अधिक निर्भर करते हैं जिसमें टाइप किए गए नियंत्रण (typed controls), नीति सत्यापन (policy validation) और निष्पादन गार्ड (execution guards) शामिल हैं, जिन्होंने सामूहिक रूप से निर्मित ट्रेडिंग नियमों जैसी महत्वपूर्ण विफलताओं को कम किया और एक बड़े पैमाने के 21-दिवसीय परिनियोजन (deployment) में उच्च सेटलमेंट सफलता को सक्षम किया।
यह शोध पत्र डिस्टिल-बिलीफ (Distill-Belief) का प्रस्ताव करता है, जो एक टीचर-स्टूडेंट फ्रेमवर्क है जो सख्त समय सीमाओं के तहत क्लोज्ड-लूप इनवर्स सोर्स लोकलाइजेशन और कैरेक्टराइजेशन को सक्षम करने के लिए बेयसियन इन्फरेंस की शुद्धता को कम्प्यूटेशनल दक्षता से अलग करता है और रिवॉर्ड हैकिंग को कम करता है।