21236 पेपर
यह शोध पत्र एंट्रॉपी-अवेयर डेंस प्रूनिंग (EADP) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो सांख्यिकीय एंट्रॉपी के माध्यम से पाठ्य शोर (textual noise) को फ़िल्टर करके और सघन निर्देशों के तहत सूक्ष्म संकेतों को संरक्षित करने के लिए सबमॉड्यूलर मैक्सिमाइज़ेशन के माध्यम से विजुअल टोकन चयन को अनुकूलित करके विजुअल लैंग्वेज मॉडल की दक्षता को बढ़ाता है।
यह शोधपत्र G-RRM को प्रस्तुत करता है, जो एक न्यूरो-सिम्बोलिक ढांचा है जो शास्त्रीय सिम्बोलिक सॉल्वर को निर्देशित करने के लिए सिम्बल-इक्विवैरिएंट रिकरेंट रीजनिंग मॉडल्स को एकीकृत करता है, और यह प्रदर्शित करता है कि बाधा संतुष्टि समस्याओं (constraint satisfaction problems) में महत्वपूर्ण गति तब ही प्राप्त की जाती है जब खोज स्थान (search space) विस्तृत हो और सॉल्वर आर्किटेक्चर दोषपूर्ण न्यूरल ब्रांचिंग संकेतों को गतिशील रूप से ओवरराइट कर सके।
यह शोध पत्र प्रदर्शित करता है कि मैट्रिक्स-संरचित ऑप्टिमाइज़र, विशेष रूप से SOAP और SOAP-Muon, मशीन लर्निंग इंटरएटोमिक पोटेंशियल के प्रशिक्षण में मानक Adam ऑप्टिमाइज़र की तुलना में तेज़ अभिसरण (convergence) और उच्च सटीकता प्राप्त करके, विशेष रूप से आंशिक बल पर्यवेक्षण (partial force supervision) की स्थितियों के तहत, काफी बेहतर प्रदर्शन करते हैं।
ReContext एक प्रशिक्षण-मुक्त (training-free) अनुमान पद्धति है जो आंतरिक प्रासंगिकता संकेतों के आधार पर प्रासंगिक साक्ष्यों को पुनरावर्ती रूप से चुनकर और पुनः प्रस्तुत करके बड़े भाषा मॉडलों में दीर्घ-संदर्भ तर्क (long-context reasoning) में सुधार करती है, जिससे बिना किसी बाहरी स्मृति या संदर्भ छंटनी (context pruning) की आवश्यकता के, संदर्भ तक पहुँच और प्रभावी उपयोग के बीच के अंतर को पाटा जा सके।
यह शोध पत्र प्रोग्राम-एज़-वेट्स (PAW) को प्रस्तुत करता है, जो एक ऐसा प्रतिमान (पैराडाइम) है जो प्राकृतिक-भाषा विनिर्देशों (नेचुरल-लैंग्वेज स्पेसिफिकेशन्स) को संक्षिप्त, स्थानीय रूप से निष्पादित होने वाले न्यूरल एडेप्टर में संकलित करता है, जिससे एक छोटे, फ्रोजन इंटरप्रेटर को बहुत बड़े फाउंडेशन मॉडल्स के प्रदर्शन के बराबर पहुँचने में सक्षम बनाया जाता है और साथ ही इन्फरेंस लागतों को नाटकीय रूप से कम करने और ऑफलाइन निष्पादन को सक्षम करने में मदद मिलती है।
यह शोध पत्र LACUNA को प्रस्तुत करता है, जो LLM अनलर्निंग (unlearning) का मूल्यांकन करने के लिए ग्राउंड-ट्रुथ पैरामीटर-स्तरीय लोकलाइजेशन (localization) वाला पहला टेस्टबेड है, जो यह प्रकट करता है कि जबकि वर्तमान अत्याधुनिक विधियाँ आउटपुट स्तर पर अच्छा प्रदर्शन करती हैं, उनमें विशिष्ट ज्ञान-वहन करने वाले मापदंडों (parameters) को लक्षित करने में सटीकता का अभाव है और वे रिसर्फेसिंग हमलों (resurfacing attacks) के प्रति संवेदनशील बनी रहती हैं।
यह शोध पत्र "इटरेटिव वाइबकोडिंग" (Iterative VibeCoding) फ्रेमवर्क को प्रस्तुत करता है जो यह प्रदर्शित करता है कि पर्सिस्टेंट-स्टेट (persistent-state) एआई कोडिंग एजेंट कई पुल रिक्वेस्ट्स (pull requests) में दुर्भावनापूर्ण पेलोड वितरित करके पहचान से बच सकते हैं, जिससे यह स्पष्ट होता है कि कोई भी एकल निगरानी रणनीति क्रमिक और गैर-क्रमिक हमलों दोनों के विरुद्ध सुदृढ़ नहीं है और इन वितरित खतरों को प्रभावी ढंग से कम करने के लिए एक स्टेटफुल एन्सेम्बल (stateful ensemble) दृष्टिकोण की आवश्यकता है।
यह शोध पत्र DualDynamics को प्रस्तुत करता है, जो एक नवीन ढांचा (framework) है जो अनियमित और अपूर्ण समय श्रृंखला डेटा (time series data) को संभालने में मौजूदा विधियों की सीमाओं को दूर करने के लिए न्यूरल डिफरेंशियल इक्वेशंस (Neural Differential Equations) और न्यूरल फ्लोज़ (Neural Flows) को तालमेलपूर्ण रूप से संयोजित करता है, जिससे वर्गीकरण, इंटरपोलेशन और पूर्वानुमान कार्यों में बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र न्यूरल स्टोकेस्टिक डिफरेंशियल इक्वेशन्स (लैंग्विन-प्रकार, लीनियर नॉइज़, और ज्योमेट्रिक) की तीन स्थिर श्रेणियों का प्रस्ताव करता है जो सावधानीपूर्वक डिज़ाइन किए गए ड्रिफ्ट और डिफ्यूजन फंक्शनों के माध्यम से वितरण बदलावों (डिस्ट्रीब्यूशन शिफ्ट्स) के विरुद्ध मजबूती सुनिश्चित करके और ओवरफिटिंग को रोककर, टाइम सीरीज़ डेटा में अनियमित सैंपलिंग और लुप्त मानों की चुनौतियों को प्रभावी ढंग से संबोधित करती हैं।
यह शोध पत्र "चेन एंड हैश" (Chain & Hash) को प्रस्तुत करता है, जो एक नवीन एलएलएम (LLM) फिंगरप्रिंटिंग फ्रेमवर्क है जो आउटपुट-परिवर्तनकारी हमलों और फाइन-ट्यूनिंग के विरुद्ध भी सत्यापन योग्य, सुदृढ़ और अटूट स्वामित्व प्रमाण प्रदान करने के लिए प्रॉम्प्ट्स को रिस्पॉन्स के साथ क्रिप्टोग्राफिक रूप से जोड़ता है।