21505 पेपर
यह शोध पत्र क्लॉड फेबल 5 भाषा मॉडल और लीन 4 प्रूफ़ असिस्टेंट के बीच एक सहयोगात्मक फीडबैक लूप के माध्यम से प्राप्त 'रिंग ऑफ डिसएग्रीज़' पर QAOA एप्रोक्सिमेशन रेशियो के संबंध में दशक पुराने फारी-गोल्डस्टोन-गुटमैन अनुमान के मशीन-सत्यापित समाधान की रिपोर्ट करता है, जिसने प्रमाण को निर्मित करने के लिए एक छिपे हुए डायनेमिकल सिमिट्री (गतिशील समरूपता) का अनावरण किया।
यह शोध पत्र प्रदर्शित करता है कि OpenVLA के आंतरिक फीडफॉरवर्ड एक्टिवेशन्स (feedforward activations) पर प्रशिक्षित हल्के प्रोब्स (lightweight probes), बिना मूल पॉलिसी में किसी बदलाव के, ऑक्लूजन (occlusion) जैसे विजुअल डिस्ट्रीब्यूशन शिफ्ट के कारण होने वाली निकट-अवधि की कार्य विफलताओं की प्रभावी ढंग से भविष्यवाणी कर सकते हैं और उच्च सटीकता प्राप्त कर सकते हैं।
GUICrafter एक वीकली-सुपरवाइज्ड (weakly-supervised) GUI एजेंट है जो विशाल अनएनोटेटेड स्क्रीनशॉट्स और उच्च गुणवत्ता वाले डेटा की एक छोटी मात्रा पर प्रशिक्षित होने के लिए एक टू-स्टेज करिकुलम लर्निंग फ्रेमवर्क का लाभ उठाता है, जिससे यह UI-TARS जैसे उन्नत सिस्टम द्वारा उपयोग किए गए एनोटेटेड डेटा के केवल 0.1% की आवश्यकता के साथ बेहतर प्रदर्शन और क्रॉस-डिवाइस सामान्यीकरण प्राप्त करता है।
यह शोध पत्र ARMOR को पेश करता है, जो एक एडेप्टिव रिट्रीवर ऑप्टिमाइज़ेशन विधि है जो कम-संसाधन वाले टेलीकॉम प्रश्न उत्तर (question answering) को बेहतर बनाने के लिए जनरेटर के बजाय क्वेरी एनकोडर को ट्यून करने हेतु लेटेंट-डॉक्यूमेंट RAG लाइकलीहुड और InfoNCE कॉन्ट्रास्टिव ऑब्जेक्टिव्स को रेगुलराइजेशन के साथ संयुक्त रूप से उपयोग करता है।
यह शोध पत्र SEVA को प्रस्तुत करता है, जो एक स्व-विकसित सत्यापन एजेंट (self-evolving verification agent) है, जो एक संरचित, बहु-घटक आउटपुट सिस्टम को प्रशिक्षित करने के लिए प्रोसेस रिवॉर्ड मैकेनिज्म का उपयोग करके अपारदर्शी बाइनरी फैक्ट-चेकिंग की सीमाओं को दूर करता है, जिससे निरंतर स्व-सुधार संभव होता है जो ऑडिट योग्य तर्क और GPT-4o-mini के तुलनीय प्रदर्शन वाले बेंचमार्क-विशेषज्ञ मॉडल प्रदान करता है।
यह शोध पत्र लंबी अवधि के डीप सर्च कार्यों में "कॉन्टेक्स्ट रॉट" (context rot) की घटना की जांच करता है, जहाँ विस्तृत संदर्भ बड़े भाषा मॉडलों को समय से पहले हार मानने या अनिश्चित उत्तर देने के लिए प्रेरित करता है, और व्यवस्थित कॉन्टेक्स्ट प्रबंधन तथा रॉट-अवेयर रिजेक्शन सैंपलिंग के माध्यम से प्रभावी शमन रणनीतियों का प्रस्ताव करता है।
यह शोध पत्र एक समीकरण-आधारित वर्गीकरण और एक एकीकृत पाइपलाइन का प्रस्ताव करके समुद्री विसंगति डेटा की कमी को संबोधित करता है, जो टाइमस्टैम्प-स्तर के लेबल वाले विसंगतियों को संश्लेषित करता है, जिससे एकल-पोत और अंतर-पोत परिदृश्यों में विविध पहचान मॉडलों के व्यवस्थित मूल्यांकन को सक्षम बनाया जा सके।
यह शोध पत्र दो नवीन ग्राफ इनवर्जन हमलों, ग्राफ-लेबल कंडिशनड (GLC) और एम्बेडिंग-लेबल कंडिशनड (ELC) को प्रस्तुत करता है, जो ब्लैक-बॉक्स परिदृश्यों में ग्राफ न्यूरल नेटवर्क मॉडलों से उच्च गुणवत्ता वाले ग्राफ को सफलतापूर्वक पुनर्निर्मित करने के लिए जनरेटर-डिस्क्रिमिनेटर तकनीकों का लाभ उठाते हैं, जिससे विभिन्न डेटासेट और शोर की स्थितियों में जीएनएन (GNN) गोपनीयता में महत्वपूर्ण कमजोरियों का प्रदर्शन होता है।
यह शोध पत्र PS-PPO का प्रस्ताव करता है, जो एक कंप्यूट-कुशल क्रिटिक-मुक्त (critic-free) RLHF विधि है जो केवल यादृच्छिक रूप से नमूना लिए गए प्रक्षेपवक्र उपसर्गों (trajectory prefixes) के माध्यम से बैकप्रोपैगेट करके और एक निष्पक्ष ग्रेडिएंट एस्टिमेटर बनाए रखने के लिए महत्व भारण (importance weighting) का उपयोग करके प्रशिक्षण लागत और मेमोरी उपयोग को कम करता है।
यह शोध पत्र TopoAgent प्रस्तुत करता है, जो एक LLM-आधारित एजेंटिक फ्रेमवर्क है जो धारणा-तर्क-क्रिया-चिंतन (perception-reasoning-action-reflection) लूप और 26 डेटासेट्स में 15 डिस्क्रिप्टर्स के मूल्यांकन से संचित अनुभव का लाभ उठाकर मेडिकल इमेज विश्लेषण के लिए इष्टतम टोपोलॉजिकल डिस्क्रिप्टर्स के चयन और कॉन्फ़िगरेशन को स्वचालित करता है।