21916 पेपर
यह शोध पत्र फिक्स्ड-पॉइंट फ्लोज़ (Fixed-point Flows) प्रस्तुत करता है, जो एक सैद्धांतिक ढांचा है जो फ्लो-आधारित भाषा मॉडलों में सेल्फ-कंडीशनिंग की व्याख्या एक फिक्स्ड-पॉइंट इटरेशन के रूप में करता है, जिससे FMLM का विकास होता है, जो एक डिस्टिल्ड मॉडल है और OpenWebText पर एक और कुछ-चरणों (few-step) के टेक्स्ट जनरेशन में अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र एक नवीन ढांचे का प्रस्ताव करता है जो विभिन्न बैकबोन मॉडलों में सूक्ष्म, शोर वाले विसंगतियों (anomalies) की पहचान में सुधार करने के लिए मास्क पुनर्निर्माण फीडबैक (masked reconstruction feedback) और मिनिमैक्स रणनीतियों के साथ सक्रिय शिक्षण (active learning) को एकीकृत करके अनसुपरवाइज्ड टाइम सीरीज़ विसंगति पहचान को बढ़ाता है।
यह शोधपत्र AgentODE का परिचय देता है, जो एक एंड-टू-एंड फ्रेमवर्क है जो दुर्लभ रोग मॉडलिंग में डेटा की कमी और गोपनीयता संबंधी बाधाओं को प्रभावी ढंग से दूर करने के लिए साधारण अवकल समीकरण (ordinary differential equation) संरचनाओं की खोज करने और जनसंख्या-स्तरीय सारांश सांख्यिकी से पैरामीटर वितरण को परिष्कृत करने के लिए लार्ज लैंग्वेज मॉडल्स और इटरेटिव इन्फरेंस एजेंट्स का संयुक्त रूप से उपयोग करता है।
ConRTF एक वास्तविक समय की तालिका संरचना पहचान विधि है जो प्रशिक्षण के दौरान पंक्तियों और स्तंभों के बीच संरचनात्मक विषमता को एनकोड करने के लिए एक एज-कन्स्ट्रेंड फाइन-ग्रेन्ड लोकलाइजेशन (EFL) लॉस पेश करती है, जिससे इन्फरेंस पाइपलाइन को बदले बिना सार्वजनिक और निजी दोनों डेटासेट पर सीमा वितरण को परिष्कृत किया जाता है और सटीकता में सुधार किया जाता है।
यह शोध पत्र एक नवीन सक्रिय शिक्षण (active learning) ढांचे को प्रस्तुत करता है जो दो पाइपलाइन-जागरूक वेरिएंट्स, RankFusion और CAPA का प्रस्ताव करके कैस्केड टेबल निष्कर्षण पाइपलाइनों के लिए अनिश्चितता हर्डिंग (Uncertainty Herding) को अनुकूलित करता है, जो कवरेज और अनिश्चितता को प्रभावी ढंग से संतुलित करते हुए कई डेटासेट्स पर मानक बेसलाइन से बेहतर प्रदर्शन करते हुए एनोटेशन लागत को महत्वपूर्ण रूप से कम करते हैं।
LeVLJEPA पहला पूर्णतः गैर-कंट्रास्टिव एंड-टू-एंड विजन-लैंग्वेज प्रीट्रेनिंग तरीका पेश करता है जो बिना नेगेटिव्स के क्रॉस-मोडल प्रेडिक्शन का उपयोग करता है, जो विजुअल क्वेश्चन अनसरिंग और सिमेंटिक सेगमेंटेशन जैसे डाउनस्ट्रीम कार्यों के लिए सघन सिमेंटिक फीचर्स उत्पन्न करने में उत्कृष्ट प्रदर्शन करता है और वैश्विक रीडआउट्स में प्रतिस्पर्धात्मकता बनाए रखता है।
यह ट्यूटोरियल वर्ल्ड मॉडल्स को एक्शन-कंडीशन्ड प्रेडिक्टिव मॉडल्स के रूप में परिभाषित करके, मौजूदा दृष्टिकोणों को ऑब्जर्वेशन और स्टेट स्पेस में वर्गीकृत करके, और "वर्ल्ड एक्शन मॉडल्स" को पेश करके जो चार प्रमुख प्रतिमानों (पैराडाइम्स) के माध्यम से भविष्य के अनुमानों और निष्पादनीय रोबोटिक क्रियाओं के बीच सेतु बनाते हैं, रोबोटिक्स में वर्ल्ड मॉडल्स के वैचारिक दायरे को स्पष्ट करता है।
यह शोध पत्र प्रदर्शित करता है कि डिकोडर-ओनली लैंग्वेज मॉडल्स के अंतिम-लेयर हिडन स्टेट्स मूल टेक्स्ट जितने ही संवेदनशील होते हैं, जो यह दर्शाता है कि एक निरंतर एम्बेडिंग-स्पेस ऑप्टिमाइज़ेशन दृष्टिकोण प्रभावी रूप से इनपुट टोकन्स को रिकवर करता है और यह भी प्रकट करता है कि पुनर्निर्माण की विफलताएं मुख्य रूप से वास्तविक अस्पष्टताओं के बजाय उच्च-आवृत्ति वाले फंक्शन वर्ड्स के कारण होती हैं।
यह शोध पत्र यह तर्क देता है कि क्या फ्रंटियर एआई (frontier AI) की क्षमताएं धनी अभिनेताओं के बीच केंद्रित रहेंगी या छोटे डेवलपर्स तक विस्तृत होंगी, यह महत्वपूर्ण रूप से इस बात पर निर्भर करता है कि उन क्षमताओं को मापने के लिए उपयोग किए जाने वाले विशिष्ट प्रदर्शन मेट्रिक्स कंप्यूट संसाधनों के सापेक्ष गणितीय रूप से सीमित (bounded) हैं या असीमित (unbounded)।
यह शोध पत्र जेनेरेटिव मेटा-लर्निंग विद ह्यूमन फीडबैक (GMHF) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो लक्षित-डोमेन डेटा को संश्लेषित करने में एक कंडीशनल न्यूरल ओडीई (Conditional Neural ODE) और रीइन्फोर्समेंट लर्निंग एजेंट को निर्देशित करने के लिए विशेषज्ञ अंतर्ज्ञान का लाभ उठाता है, जिससे वितरण बदलावों (distribution shifts) के तहत बेहतर सामान्यीकरण को सैद्धांतिक और अनुभवजन्य रूप से प्रदर्शित किया जाता है।