21236 पेपर
TraCeS एक सुदृढीकरण शिक्षण (reinforcement learning) विधि है जो ज्ञात लागत फलन (cost function) या थ्रेशोल्ड की आवश्यकता के बिना, विरल प्रक्षेपवक्र-स्तर (sparse trajectory-level) के लेबल से प्रति-टाइमस्टेप सुरक्षा उल्लंघन क्रेडिट सीखता है, जिससे निरंतर-नियंत्रण कार्यों में बाधा संतुष्टि और फीडबैक दक्षता में सुधार होता है।
यह सर्वेक्षण टिप्पणीकार की क्षमताओं पर आधारित एक एकीकृत ढांचे और नवीन वर्गीकरण को पेश करते हुए, एआई-जनित गेम कमेंट्री अनुसंधान की खंडित स्थिति को संबोधित करता है, साथ ही क्षेत्र में भविष्य की प्रगति का मार्गदर्शन करने के लिए विधियों, डेटासेट और मूल्यांकन मेट्रिक्स की एक व्यापक समीक्षा प्रदान करता है।
यह शोध पत्र एक ऐसे ढांचे (framework) को प्रस्तुत करता है जो भौतिक रूप से सुसंगत समाधान उत्पन्न करने और वैज्ञानिक प्रणालियों में व्युत्क्रम समस्याओं (inverse problems) को हल करने के लिए डिफरेंशिएबल PDE रेसिडुअल मिनिमाइजेशन और संयुक्त लेटेंट पैरामीटर ऑप्टिमाइज़ेशन के माध्यम से फ्लो-मैचिंग जनरेटिव मॉडल्स को फाइन-ट्यून करता है।
यह शोध पत्र वन-शॉट (one-shot) और पुनरावृत्ति (iterative) प्रूनिंग रणनीतियों की व्यवस्थित रूप से तुलना करता है, जो यह प्रकट करता है कि वन-शॉट विधियाँ कम प्रूनिंग अनुपात पर उत्कृष्ट होती हैं जबकि पुनरावृत्ति दृष्टिकोण उच्च अनुपातों पर बेहतर होते हैं, जिससे अनुकूलित मॉडल संपीड़न के लिए एक हाइब्रिड दृष्टिकोण और धैर्य-आधारित (patience-based) प्रूनिंग का प्रस्ताव मिलता है।
यह शोध पत्र इस बात की जांच करता है कि सिंथेटिक निगमनात्मक कार्यों (synthetic deductive tasks) पर प्रशिक्षित छोटे ट्रांसफार्मर मॉडल किस प्रकार विशिष्ट क्षैतिज (ऑटोरेग्रेसिव) और ऊर्ध्वाधर (निहित) तंत्रों के माध्यम से तर्क को लागू करते हैं, जो यह प्रकट करता है कि चेन-ऑफ-थॉट (Chain-of-Thought) पर्यवेक्षण क्षैतिज परिवेश में वास्तविक नियम-आधारित अनुमान को बढ़ावा देता है, जबकि ऊर्ध्वाधर परिवेश में जटिल तर्क पैटर्न विकसित करने के लिए पाठ्यक्रम शिक्षण (curriculum learning) के रूप में कार्य करता है।
यह शोध पत्र डिफ्यूजन मॉडल्स के लिए एक चयनात्मक अनलर्निंग दृष्टिकोण प्रस्तावित करता है जो उनके असमान फॉरगेटिंग डायनेमिक्स के आधार पर विशिष्ट समय और आवृत्ति घटकों को लक्षित करता है, जिससे मौजूदा यूनिफॉर्म विधियों की तुलना में उच्च अनलर्निंग सफलता दर और बेहतर जनरेशन गुणवत्ता प्राप्त होती है।
यह शोध पत्र DDSA को प्रस्तुत करता है, जो एक संसाधन-कुशल प्रतिकूल सुदृढ़ता परीक्षण ढांचा (adversarial robustness testing framework) है जो महत्वपूर्ण फ्रेमों को रणनीतिक रूप से चुनने और एक दोहरे-डोमेन दृष्टिकोण के माध्यम से प्रभावशाली पिक्सेल क्षेत्रों को लक्षित करके वास्तविक समय की इमेज प्रणालियों में कम्प्यूटेशनल उपयोग को अनुकूलित करता है।
यह शोध पत्र मार्कोव डिसीजन प्रोसेसिस (Markov Decision Processes) में स्टैटिक कंडीशनल वैल्यू-एट-रिस्क (CVaR) के लिए एक नवीन स्टेट-ऑगमेंटेशन फॉर्मूलेशन प्रस्तावित करता है जो सघन पुरस्कारों (dense rewards) और एक कॉन्ट्रैक्टिंग बेलमैन ऑपरेटर को सक्षम बनाता है, जिससे अभिसरण योग्य जोखिम-अवरोधक वैल्यू इटरेशन और Q-लर्निंग एल्गोरिदम प्राप्त होते हैं जिनके प्रमाणित सन्निकटन सीमाएँ (approximation bounds) और प्रभावी सुरक्षा-प्रदर्शन ट्रेड-ऑफ्स हैं।
DeXposure-FM एक नवीन टाइम-सीरीज ग्राफ फाउंडेशन मॉडल है जिसे एक विशाल मल्टी-चेन डेटासेट पर प्रशिक्षित किया गया है जो DeFi क्रेडिट एक्सपोजर के पूर्वानुमान में मौजूदा तरीकों से बेहतर प्रदर्शन करता है और मैक्रोप्रूडेंशियल निगरानी तथा प्रणालीगत जोखिम स्ट्रेस टेस्टिंग के लिए आवश्यक उपकरण प्रदान करता है।
यह शोध पत्र एक -आयामी हाइपरक्यूब के सभी किनारों (edges) को काटने के लिए आवश्यक हाइपरप्लेन की न्यूनतम संख्या के ज्ञात ऊपरी बाउंड (upper bound) को से घटाकर लगभग तक सुधारता है, जो कि CPro1 टूल का उपयोग करके के लिए एक विशिष्ट समाधान का निर्माण करके प्राप्त किया गया है, जो रीजनिंग LLMs को ऑटोमेटेड हाइपरपैरामीटर ट्यूनिंग के साथ जोड़ता है।