21502 पेपर
RESOURCE2SKILL एक ऐसा फ्रेमवर्क है जो ट्यूटोरियल वीडियो और कोड रिपॉजिटरी जैसे विविध मल्टीमॉडल मानव संसाधनों को एक पदानुक्रमित, निष्पादन योग्य 'स्किल विकी' (Skill Wiki) में संकुचित करता है, जिससे सॉफ्टवेयर एजेंट विभिन्न लेखन डोमेन में इन कौशलों को पुनः प्राप्त करने और उन्हें संयोजित करने के माध्यम से अपने प्रदर्शन में महत्वपूर्ण सुधार कर सकते हैं।
यह पूर्व-पंजीकृत अध्ययन बड़े भाषा मॉडलों के आगमन के बाद चर्चा अनुभागों (discussion sections) के भीतर एम-डैश (em-dash) के उपयोग में एक महत्वपूर्ण, क्रमिक जनसंख्या-स्तरीय वृद्धि को प्रकट करने के लिए 69,000 से अधिक medRxiv प्रीप्रिंट्स का विश्लेषण करता है, जो 2020 के दशक की शुरुआत के दौरान वैज्ञानिक लेखन में एक विशिष्ट शैलीगत परिवर्तन का सुझाव देता है।
ReMAP-PET एक नवीन ढांचा है जो जेनेरिक विजुअल एनकोडिंग से आगे बढ़कर क्षेत्रीय SUVR प्रोफाइल सुपरविजन के माध्यम से संरचित मेटाबॉलिक सिमेंटिक्स को सीखने के द्वारा ब्रेन PET विश्लेषण को उन्नत करता है, जिसके परिणामस्वरूप मेटाबॉलिक पुनर्निर्माण, भाषा संरेखण और नैदानिक कार्यों में मौजूदा बेसलाइन से बेहतर प्रदर्शन करने वाले नैदानिक रूप से व्याख्या योग्य एम्बेडिंग्स प्राप्त होते हैं।
यह शोध पत्र बाइलेवल ऑप्टिमाइज़ेशन (bilevel optimization) के दृष्टिकोण से न्यूरल आर्किटेक्चर सर्च (NAS) का एक संरचित अवलोकन प्रस्तुत करता है, जो मौजूदा विधियों को सैंपलिंग-आधारित और सिद्धांत-आधारित दृष्टिकोणों में वर्गीकृत करता है और एक नवीन सहायक गणितीय प्रोग्रामिंग ढांचे की वकालत करता है जो पारंपरिक सैंपलिंग विधियों की तुलना में बेहतर सटीकता और दक्षता प्राप्त करने के लिए सेकंड-ऑर्डर जानकारी का लाभ उठाता है।
यह शोध पत्र इस बात का विवरण देता है कि कैसे आधुनिक एआई मॉडलों का उपयोग अंततः स्टिफन काज़मार्स द्वारा 1937 में प्रस्तावित एक मौलिक स्टोकेस्टिक ग्रेडिएंट डिसेंट पद्धति, काज़मार्स एल्गोरिदम की वर्स्ट-केस जटिलता (worst-case complexity) को निर्धारित करने के लिए किया गया था।
यह शोध पत्र MultiDepth-3k बेंचमार्क प्रस्तुत करता है ताकि यह प्रकट किया जा सके कि मोनोकुलर फाउंडेशन मॉडल परतों वाली दृश्यों में कैसे विविध ज्यामितीय प्राथमिकताएं प्रदर्शित करते हैं, जो यह दर्शाता है कि प्रशिक्षण-मुक्त स्पेक्ट्रल रूपांतरण पूरक 3D व्याख्याओं को अनलॉक कर सकते हैं और गहराई पर्यवेक्षण एवं मूल्यांकन के लिए एक अस्पष्टता-जागरूक दृष्टिकोण का समर्थन करते हैं।
यह शोध पत्र लैंगशॉ (Langshaw) को प्रस्तुत करता है, जो एक डिक्लेरेटिव प्रोटोकॉल भाषा है जो मल्टी-एजेंट इंटरैक्शन में लचीलेपन और सिमेंटिक स्पष्टता के बीच संतुलन बनाने के लिए "sayso", "nono" और "nogo" कंस्ट्रक्ट्स का उपयोग करती है, साथ ही औपचारिक सिमेंटिक्स, सुरक्षा/लाइवनेस सत्यापन और एसिंक्रोनस मैसेज-ओरिएंटेड प्रोटोकॉल उत्पन्न करने की विधियाँ प्रदान करती है।
यह शोध पत्र कॉज़ल पर्टर्बेटिव एलिसिटेशन (CPE) को प्रस्तुत करता है, जो एक अनसुपरवाइज्ड (unsupervised), डेटा-कुशल विधि है जो विविध लेटेंट व्यवहारों (latent behaviors) को उजागर करने में सक्षम व्याख्या योग्य लो-रैंक एडेप्टर्स (low-rank adapters) की खोज के लिए टेंसर डिकंपोजिशन का उपयोग करता है, जिसमें जटिल तर्क और सैंडबैगिंग (sandbagging) या अलाइनमेंट-फेकिंग (alignment-faking) जैसे छिपे हुए विफलता मोड शामिल हैं, जिससे यह एआई सुरक्षा मूल्यांकन और अलाइनमेंट के लिए एक शक्तिशाली उपकरण प्रदान करता है।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि मिक्सचर-ऑफ-एक्सपर्ट्स (MoE) आर्किटेक्चर में संरचनात्मक भूमिका अपघटन (structural role decomposition) निष्ठापूर्ण स्पष्टीकरण की गारंटी नहीं देता है, विशेषज्ञों के बीच ओवरलैप को कम करने के लिए प्रतिनिधित्व-स्तर के डिकोरिलेशन नियमितीकरण (representation-level decorrelation regularization) को पेश करने से कार्य प्रदर्शन से समझौता किए बिना मल्टीमॉडल बेंचमार्क में स्पष्टीकरण की निष्ठा में महत्वपूर्ण सुधार होता है।
यह अध्ययन प्रदर्शित करता है कि ई-कॉमर्स समीक्षाओं पर तुर्की सेंटीमेंट एनालिसिस के लिए, BERTurk जैसे मॉडलों का सुपरवाइज्ड फाइन-ट्यूनिंग अभी भी लार्ज लैंग्वेज मॉडल्स के ज़ीरो-शॉट प्रॉम्प्टिंग से बेहतर प्रदर्शन करता है, विशेष रूप से चुनौतीपूर्ण न्यूट्रल श्रेणी को सटीक रूप से वर्गीकृत करने में।