28108 पेपर
एक्टिवेशन पैचिंग का उपयोग करके रीजनिंग ट्रेसेस (reasoning traces) से हिडन स्टेट्स (hidden states) को डायरेक्ट-आंसर रन्स (direct-answer runs) में स्थानांतरित करते हुए, लेखक यह प्रदर्शित करते हैं कि व्यक्तिगत चेन-ऑफ-थॉट (Chain-of-Thought) टोकन सही उत्तरों को पुनः प्राप्त करने के लिए पर्याप्त कार्य-प्रासंगिक जानकारी को एनकोड करते हैं, भले ही मूल रीजनिंग ट्रेस त्रुटिपूर्ण हो।
यह शोध पत्र स्पीकर रिकग्निशन (वक्ता पहचान) में व्याख्यात्मक एआई (एक्सप्लेनेबल एआई) के लिए एक नए ढांचे का प्रस्ताव करता है जो न्यूरल नेटवर्क निरूपणों के भीतर पदानुक्रमित संगठनात्मक पैटर्न को उजागर करने और उनके अर्थपूर्ण रूप से व्याख्या करने के लिए पदानुक्रमित क्लस्टरिंग एल्गोरिदम (SLINK और HDBSCAN) और एक नवीन मिलान एल्गोरिदम (HCCM) का उपयोग करता है।
यह शोध पत्र न्यूरोसिम्बोलिक लर्निंग में "रीजनिंग शॉर्टकट्स" (तर्क संबंधी शॉर्टकट) को एक बाधा संतुष्टि समस्या (constraint satisfaction problem) के रूप में औपचारिक रूप देता है, जो एक जटिलता विश्लेषण, एक ASP-आधारित सत्यापन एल्गोरिदम और एक ग्रीडी रिपेयर मैकेनिज्म प्रदान करता है ताकि यह सुनिश्चित किया जा सके कि सीखे गए कॉन्सेप्ट मैपिंग्स तार्किक बाधाओं द्वारा विशिष्ट रूप से और सही ढंग से निर्धारित होते हैं।
कंटीन्यूअल जनरेटिव रिट्रीवल में स्टेबिलिटी-प्लास्टिसिटी ट्रेड-ऑफ को संबोधित करने के लिए, यह शोध पत्र पोस्ट-अडैप्टेशन मेमोरी ट्यूनिंग (PAMT) का प्रस्ताव करता है, जो एक मॉड्यूलर, स्पार्स पैरामीट्रिक मेमोरी हेड का उपयोग करने वाली एक विधि है जो डिकोडिंग के दौरान रेसिडुअल करेक्शन प्रदान करती है, जिससे मॉडल को पहले से सीखे गए दस्तावेज़ों को भूलने (कैटास्ट्रोफिक फॉरगेटिंग) के बिना नए दस्तावेज़ों को सीखने की अनुमति मिलती है।
यह शोध पत्र 'प्लानिंग अहेड इन जनरेटिव रिट्रीवल' (PAG) पद्धति की प्रभावशीलता को पुनरुत्पादित करता है और साथ ही यह प्रदर्शित करता है कि इसका प्रदर्शन क्वेरी विविधताओं, जैसे कि टाइपो (वर्तनी की त्रुटियों) और क्रॉस-लिंगुअल मिसमैच (भाषाई विसंगतियों) के प्रति संवेदनशील है, जो लुक-अहेड प्लानिंग सिग्नल को अस्थिर कर सकते हैं।
यह शोध पत्र "Learn&Drop" का प्रस्ताव करता है, जो एक नवीन प्रशिक्षण रणनीति है जो लेयर-वार लर्निंग स्कोर के आधार पर फॉरवर्ड प्रोपेगेशन के दौरान नेटवर्क को गतिशील रूप से कम करके CNN के प्रशिक्षण को तेज़ करती है, जिससे सटीकता में पर्याप्त कमी के बिना प्रशिक्षण समय में उल्लेखनीय रूप से कमी आती है।
यह शोधपत्र **PushupBench** प्रस्तुत करता है, जो विजन-लैंग्वेज मॉडल्स (VLMs) में पुनरावृत्ति गणना (repetition counting) का मूल्यांकन करने के लिए डिज़ाइन किया गया एक नया लॉन्ग-फॉर्म वीडियो डेटासेट है, जो यह प्रकट करता है कि वर्तमान मॉडल टेम्पोरल रीजनिंग (temporal reasoning) में संघर्ष करते हैं लेकिन काउंटिंग-आधारित फाइन-ट्यूनिंग के माध्यम से सामान्य वीडियो समझ में सुधार कर सकते हैं।
यह अध्ययन पदानुक्रमित ORKG वर्गीकरण का उपयोग करके वैज्ञानिक ग्रंथों को वर्गीकृत करने में ऑफ-द-शेल्फ लार्ज लैंग्वेज मॉडल्स की प्रभावशीलता का मूल्यांकन करता है, जिसमें यह पाया गया कि प्रॉम्प्ट चेनिंग, इन-कॉन्टेक्स्ट लर्निंग और स्टेट-ऑफ-द-आर्ट मॉडल्स की तुलना में शीर्ष-स्तरीय श्रेणियों के लिए बेहतर प्रदर्शन करती है, लेकिन फिर भी तीसरे स्तर के गहरे विषय वर्गीकरण के साथ संघर्ष करती है।
यह शोधपत्र Sphere-Depth प्रस्तुत करता है, जो इक्वीरेक्टेंगुलर (equirectangular) छवियों के लिए मोनोकुलर डेप्थ एस्टीमेशन मॉडल की अनजाने कैमरा पोज़ परिवर्तनों के विरुद्ध मजबूती का मूल्यांकन करने के लिए डिज़ाइन किया गया एक नया बेंचमार्क है, जो यह प्रकट करता है कि स्फेरिकल-अवेयर (spherical-aware) मॉडल भी ऐसे व्यवधानों का सामना करने पर महत्वपूर्ण प्रदर्शन गिरावट का शिकार होते हैं।
यह शोध पत्र प्रदर्शित करता है कि वर्तमान एआई सुरक्षा प्रशिक्षण (RLHF) अनजाने में मानसिक स्वास्थ्य हस्तक्षेपों की प्रभावकारिता को कमजोर करता है क्योंकि यह मॉडलों को उच्च-गंभीरता वाले परिदृश्यों का सामना करने पर चिकित्सीय प्रोटोकॉल को छोड़ने, झूठा आश्वासन देने या आवश्यक नैदानिक अभ्यासों में संलग्न होने से इनकार करने के लिए प्रेरित करता है।