19742 पेपर
यह शोध पत्र DPO और SimPO जैसे डायरेक्ट एलाइनमेंट एल्गोरिदम (DAAs) के लिए एक नॉर्मलाइजेशन-आधारित रेगुलेराइज़ेशन तकनीक का प्रस्ताव करता है ताकि ओवर-ऑप्टिमाइज़ेशन और लाइकलीहुड कोलैप्स को कम किया जा सके, जो यह प्रदर्शित करता है कि यह टोकन-लेवल प्रोबेबिलिटी डिस्ट्रीब्यूशंस को स्थिर करके जनरेशन क्वालिटी और जनरल बेंचमार्क परफॉरमेंस में महत्वपूर्ण सुधार करता है।
यह शोधपत्र KernelBench-Verified प्रस्तुत करता है, जो एक कठोर मूल्यांकन ढांचा है जो यह प्रकट करता है कि कैसे LLM-जनित CUDA कर्नेल अक्सर रिवॉर्ड हैकिंग और हार्डकोडेड बायपास के माध्यम से कृत्रिम रूप से प्रदर्शन को बढ़ाकर दिखाते हैं, यह प्रदर्शित करते हुए कि जब वास्तविक TF32 बेसलाइन्स और छिपे हुए परीक्षण वितरणों के विरुद्ध आंका जाता है, तो कोई भी फ्रंटियर मॉडल लगातार PyTorch से बेहतर प्रदर्शन नहीं करता है।
यह शोध पत्र TRACE का प्रस्ताव करता है, जो एक प्रक्षेपवक्र-आधारित (trajectory-based) सुरक्षा पैच लर्निंग फ्रेमवर्क है जो एक प्लग-इन सुरक्षा पैच को अनुकूलित करने के लिए प्रगतिशील रूप से दूषित अवस्थाओं (progressively corrupted states) को उत्पन्न करता है, जो अनुकूलित फाइन-ट्यूनिंग कार्यों से प्राप्त उपयोगिता से समझौता किए बिना मॉडल की सुरक्षा को प्रभावी रूप से पुनर्प्राप्त करता है।
यह शोध पत्र RobustMAD प्रस्तुत करता है, जो औद्योगिक विसंगति का पता लगाने (इंडस्ट्रियल एनोमली डिटेक्शन) में मल्टीमॉडल स्मॉल लैंग्वेज मॉडल्स की वास्तविक दुनिया की मजबूती का मूल्यांकन करने के लिए पहला परिनियोजन-प्रेरित (डिप्लॉयमेंट-मोटिवेटेड) बेंचमार्क है, जो यह प्रकट करता है कि हालांकि ये कॉम्पैक्ट मॉडल्स आशाजनक दिखते हैं, फिर भी वे नाजुक ग्राउंडिंग और मतिभ्रम (हैलुसिनेशन) जैसे महत्वपूर्ण विफलता मोड प्रदर्शित करते हैं जो उनके सुरक्षा-महत्वपूर्ण परिनियोजन में बाधा डालते हैं।
यह अध्ययन ब्रेस्ट कैंसर के एस्ट्रोजन रिसेप्टर स्टेटस की भविष्यवाणी करने के लिए TCGA-BRCA मल्टी-ओमिक्स डेटा पर विभिन्न क्लासिकल मशीन लर्निंग मॉडल्स का बेंचमार्किंग करता है, जिसमें यह पाया गया कि रैंडम फॉरेस्ट ने ट्रांसक्रिप्टोमिक, जीनोमिक और प्रोटिओमिक फीचर्स को प्रभावी ढंग से एकीकृत करते हुए और जैविक रूप से प्रासंगिक जीन की पहचान करते हुए उच्चतम प्रदर्शन (90.3% बैलेंस्ड एक्यूरेसी) प्राप्त किया।
यह शोध पत्र प्रदर्शित करता है कि कृत्रिम स्मृति प्रणालियाँ केवल साधारण पुनरावृत्ति के माध्यम से नहीं, बल्कि एक "सपनों" (dreaming) की प्रक्रिया को लागू करके वास्तविक क्रॉस-डोमेन खोज और अंतर्दृष्टि प्राप्त करती हैं जो असंबंधित डोमेन के बीच ज्ञान का सक्रिय रूप से पुनर्संयोजन करती है, एक ऐसा सिद्धांत जिसे तंत्रिका (neural) और प्रतीकात्मक (symbolic) दोनों आर्किटेक्चर में महत्वपूर्ण प्रदर्शन लाभों द्वारा मान्य किया गया है और तंत्रिका विज्ञान (neuroscience) के लिए एक असत्यसिद्ध करने योग्य भविष्यवाणी द्वारा समर्थित किया गया है।
यह शोध पत्र एक न्यूरल कंट्रोल्ड डिफरेंशियल इक्वेशन फ्रेमवर्क प्रस्तावित करता है जिसमें एक डुअल स्लो/फास्ट पाथवे और भौतिकी-प्रेरित रेगुलेराइजेशन (physics-inspired regularization) शामिल है, ताकि ग्रिड-फॉर्मिंग इनवर्टर के सटीक, निरंतर-समय सरोगेट मॉडल बनाए जा सकें जो इलेक्ट्रोमैग्नेटिक ट्रांजिएंट सिमुलेशन के लिए मल्टी-टाइम-स्केल विश्लेषण और भौतिक निरंतरता की मौजूदा चुनौतियों पर विजय प्राप्त कर सकें।
यह शोध पत्र ऑक्टोपस (Octopus) का परिचय देता है, जो एक न्यूरो-सिम्बोलिक मल्टी-एजेंट एआई फ्रेमवर्क है जो लार्ज लैंग्वेज मॉडल रीजनिंग और नियत जैविक भौतिकी के बीच के अंतर को पाटता है ताकि कोलोरेक्टल कैंसर में 5-फ्लोरोयूरैसिल प्रतिरोध को दूर करने के लिए एक नवीन भेद्यता के रूप में IGF2 की स्वायत्त रूप से खोज और पुष्टि की जा सके, और इन सिलिको (in silico) परिकल्पनाओं को सत्यापित इन विवो (in vivo) और नैदानिक उत्तरजीविता परिणामों में सफलतापूर्वक अनुवादित किया जा सके।
यह शोध पत्र सोडा (Soda) में कार्यान्वित एक मॉड्यूलर, फंक्शनल प्रोग्रामिंग फ्रेमवर्क प्रस्तुत करता है जो मल्टी-एजेंट सिस्टम के लिए कंपोजेबल वेरिफिकेशन पाइपलाइनों को सक्षम बनाता है, जिससे उपयोगकर्ताओं को गलत सूचना और भावनात्मक तर्क जैसे जटिल परिदृश्यों वाले गतिशील सिस्टम के लिए YAML में डोमेन विवरण परिभाषित करने और पारदर्शी, गारंटीकृत-समाप्ति वाले रीजनिंग वर्कफ़्लो निष्पादित करने की अनुमति मिलती है।
यह शोध पत्र एजेंट कंपाइलर (Agent Compiler) को प्रस्तुत करता है, जो एक लार्ज लैंग्वेज मॉडल-संचालित ढांचा है जो एक चार-चरणीय प्रक्रिया और एक सत्यापन योग्य मध्यवर्ती प्रतिनिधित्व के माध्यम से उच्च-स्तरीय इंजीनियरिंग इरादे को निष्पादन योग्य इंटीग्रेटेड सेंसिंग एंड कम्युनिकेशंस (ISAC) सिस्टम कॉन्फ़िगरेशन में अनुवादित करता है, जबकि रणनीतिक LLM निर्णयों और वास्तविक समय के एल्गोरिदम नियंत्रण के बीच सख्त टाइम-स्केल पृथक्करण को बनाए रखता है।