21916 पेपर
यह शोध पत्र एक द्वि-अवधि मॉडल विकसित करता है जो यह प्रदर्शित करता है कि जहाँ अलग-थलग पड़ी फर्में एआई (AI) की विफलता के विरुद्ध बैकअप के रूप में कम-कुशल श्रमिकों को नियुक्त करती हैं, वहीं श्रमिकों की गतिशीलता इस पैटर्न को उलट देती है क्योंकि यह मूल्यवान भविष्य के मानव पूंजी निर्माण के लिए उच्च-कुशल श्रमिकों को नियुक्त करने के लिए प्रोत्साहित करती है।
यह शोध पत्र एक पूर्व-पंजीकृत स्क्रीनिंग नियम प्रस्तुत करता है जो यह अनुमान लगाने के लिए एक रिकवरी अनुपात (R) की गणना करता है कि क्या महंगे विकासवादी आउटर लूप्स सस्ते सिंगल-शॉट विकल्पों से बेहतर प्रदर्शन करेंगे, जिससे शोधकर्ताओं को तब व्यर्थ कार्यान्वयन को छोड़ने की अनुमति मिलती है जब R 90% से अधिक हो जाता है और इस प्रकार महत्वपूर्ण कम्प्यूटेशनल संसाधनों की बचत होती है।
यह अध्ययन पाता है कि, भ्रामक अपेक्षाओं संबंधी चिंताओं के विपरीत, सार्वजनिक-उन्मुख एआई विमर्श में मानवीकृत भाषा का उपयोग गैर-मानवीकृत विवरणों की तुलना में प्रतिभागियों की एआई प्रौद्योगिकियों के प्रति तत्काल धारणाओं को महत्वपूर्ण रूप से नहीं बदलता है, हालांकि दीर्घकालिक या स्वाभाविक प्रभाव संभव बने हुए हैं।
यह शोध पत्र HiComm का प्रस्ताव करता है, जो मल्टी-एजेंट सुदृढीकरण शिक्षण (multi-agent reinforcement learning) के लिए एक रिसीवर-संचालित पदानुक्रमित संचार मॉड्यूल है, जो तीन-चरणीय डिकोडिंग प्रक्रिया के माध्यम से प्रेषक के अवलोकनों को हल करके असंरचित वेक्टर ट्रांसमिशन को संरचित सूचना पुनर्प्राप्ति में परिवर्तित करता है, जिससे प्रदर्शन को बनाए रखते हुए या उसमें सुधार करते हुए संचार की मात्रा को महत्वपूर्ण रूप से कम किया जाता है।
यह शोध पत्र जेनेरेटिव प्रीट्रेंड कंट्रोलर्स (GPC) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो विशाल मोशन डेटासेट्स को पुनरुत्पादित करने और स्वाभाविक, उभरते व्यवहारों के साथ विविध डाउनस्ट्रीम कार्यों के अनुकूल होने में सक्षम, मजबूत, सामान्य-उद्देश्य वाले नियंत्रकों को बनाने के लिए टोकनाइज्ड मोशन रिप्रेजेंटेशन को ऑटोरेग्रेसिव नेक्स्ट-टोकन प्रेडिक्शन और रिइन्फोर्समेंट लर्निंग के साथ जोड़ता है।
यह शोध पत्र फ्लो रीजनिंग मॉडल्स (FRMs) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो डिस्क्रीट फ्लो मॉडल्स में संरचित तर्क (structured reasoning) को बेहतर बनाता है, टेस्ट-टाइम स्केलिंग के लिए स्थिर फिक्स्ड-पॉइंट डायनेमिक्स के माध्यम से स्वयं-सत्यापनकर्ता (self-verifiers) के रूप में कार्य करने की उनकी क्षमता का लाभ उठाता है और सुडोकू और ज़ेब्रा जैसी जटिल पहेलियों पर कम्प्यूटेशनल दक्षता और सटीकता को नाटकीय रूप से सुधारने के लिए एक विशेष प्रशिक्षण विधि का उपयोग करता है।
यह शोध पत्र LLM प्रशिक्षण में लॉग-लीनियर लर्निंग रेट स्केलिंग की धारणा को चुनौती देता है, यह प्रदर्शित करते हुए कि इष्टतम लर्निंग रेट बड़े पैमानों पर ऊपर की ओर वक्रता (upward curvature) प्रदर्शित करते हैं, एक ऐसी गैर-रैखिकता जिसे प्रभावी लर्निंग रेट और डेटा-आधारित एक्सट्रपलेशन का उपयोग करके हल किया जाता है, जिससे अधिक सटीक और लागत-कुशल ट्रांसफर लर्निंग सक्षम होती है।
यह शोध पत्र ऑफलाइन रूट-कॉज़ एनालिसिस बेंचमार्क का ऑडिट करता है ताकि यह प्रदर्शित किया जा सके कि पूल्ड टॉप-1 एक्यूरेसी रैंकिंग पर भरोसा करना भ्रामक है क्योंकि यह महत्वपूर्ण सिस्टम-विशिष्ट प्रदर्शन विविधताओं को छिपा देता है, जो अक्सर इंजीनियरों को उनके विशिष्ट सबसिस्टम के लिए उप-इष्टतम तरीकों को चुनने की ओर ले जाता है।
यह शोध पत्र ट्रजेक्टरी-इनवेरिएंट लेटेंट रिफाइनमेंट (TILR) प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त ढांचा है जो सटीकता से समझौता किए बिना तर्क की निरंतरता में सुधार करने और पैराफ्रेसिंग एवं व्यवधानों के प्रति संवेदनशीलता को कम करने के लिए भाषा मॉडल के लेटेंट ट्रजेक्टरीज के भीतर स्थिर, लो-रैंक इनवेरिएंट दिशाओं की पहचान और हेरफेर करता है।
यह शोध पत्र सिम्बॉलिक मैकेनिस्टिक डेटा एट्रिब्यूशन (SMDA) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो मैकेनिस्टिक इंटरप्रिटेबिलिटी और डेटा एट्रिब्यूशन के बीच सेतु बनाता है, जिससे विश्लेषणात्मक रूप से यह विघटित किया जा सके कि विशिष्ट प्रशिक्षण उदाहरण उच्च-स्तरीय सिम्बॉलिक व्यवहार संबंधी नीतियों को कैसे आकार देते हैं, जिससे बड़े भाषा मॉडलों में व्यवस्थित सुरक्षा अंतराल और फीचर-स्तर के हस्तक्षेप का अनावरण होता है।