21916 पेपर
यह शोध पत्र न्यूरल प्रोसीजरल मेमोरी (NPM) को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त ढांचा है जो स्पष्ट पाठ्य निर्देशों को ऐतिहासिक अनुभवों से संकलित निहित सक्रियण स्टीयरिंग वेक्टर्स (activation steering vectors) से बदलकर स्वायत्त LLM एजेंटों को उन्नत करता है, जिससे सुदृढ़ और निरंतर कार्य निष्पादन प्राप्त करने के लिए सीधे कार्य-प्रासंगिक तंत्रों को सक्रिय किया जाता है।
यह अध्ययन एनएलपी (NLP) शोध पत्रों में एल्गोरिदम के उल्लेखों के पीछे के उद्देश्यों को पहचानने और विश्लेषण करने के लिए एक डीप लर्निंग-आधारित ढांचे का प्रस्ताव करता है, जो यह प्रकट करता है कि प्रत्यक्ष उपयोग प्रमुख उद्देश्य है, समय के साथ उद्देश्य विविध हुए हैं, और डेटा ऑग्मेंटेशन के साथ डीप लर्निंग मॉडल इन उद्देश्यों को वर्गीकृत करने में पारंपरिक तरीकों से बेहतर प्रदर्शन करते हैं।
यह शोध पत्र RoAd-RL को प्रस्तुत करता है, जो एक एकीकृत ओपन-सोर्स लाइब्रेरी और बेंचमार्क है जो विभिन्न प्रतिकूल हमलों (adversarial attacks) और रक्षा प्रणालियों (defenses) के विरुद्ध नीतियों के परीक्षण के लिए पुनरुत्पादक पाइपलाइन प्रदान करके डीप रिइन्फोर्समेंट लर्निंग में मजबूती (robustness) के मूल्यांकन को मानकीकृत करता है, जिससे कुछ रक्षा प्रणालियों के संभावित नुकसान और टेम्पोरल स्मूथिंग (temporal smoothing) की प्रभावशीलता जैसे महत्वपूर्ण अंतर्दृष्टि का पता चलता है।
यह शोध पत्र ARKD का प्रस्ताव करता है, जो एक अनुकूली सुदृढीकरण शिक्षण (adaptive reinforcement learning) ढांचा है जो बड़े भाषा मॉडलों के लिए ज्ञान आसवन (knowledge distillation) में टेक्स्ट जनरेशन की गुणवत्ता और सामान्यीकरण में सुधार करने के लिए फॉरवर्ड और रिवर्स KL डाइवर्जेंस उद्देश्यों को गतिशील रूप से संतुलित करता है।
यह शोध पत्र NEJM मामलों पर लार्ज लैंग्वेज मॉडल्स (LLMs) का मूल्यांकन करने के लिए क्लिनिकल रीजनिंग ग्राफ्स प्रस्तुत करता है और यह पाता है कि हालांकि LLMs नैदानिक सक्षमता प्रदर्शित करते हैं, लेकिन उनमें नैदानिक रूप से समान मामलों में सुसंगत, स्कीमा-स्तरीय तर्क पैटर्न की कमी है, जो अंतिम-उत्तर सटीकता से परे प्रक्रिया-स्तरीय मूल्यांकन की आवश्यकता को रेखांकित करता है।
यह शोध पत्र SafePyramid को प्रस्तुत करता है, जो एक पदानुक्रमित बेंचमार्क है जिसमें 1,000 बहु-चरण (multi-turn) वार्तालाप और 3,000 अनुप्रयोग-विशिष्ट नीतियां शामिल हैं, जो इन-कॉन्टेक्स्ट पॉलिसी गार्डरेलिंगिंग का मूल्यांकन करता है, और यह प्रकट करता है कि अत्याधुनिक मॉडल भी जटिलता के विभिन्न स्तरों के माध्यम से सुरक्षा उल्लंघनों को सटीक रूप से पहचानने और नवीन नीति ढांचों के अनुकूल होने में संघर्ष करते हैं।
यह शोध पत्र T²VLA को प्रस्तुत करता है, जो एक टेस्ट-टाइम सुदृढीकरण लर्निंग (reinforcement learning) फ्रेमवर्क है जो विज़न-लैंग्वेज-एक्शन मॉडल्स को आंतरिक आत्मविश्वास संकेतों और एक ड्यूल-एक्सपर्ट बूटस्ट्रैपिंग तंत्र का लाभ उठाकर स्व-बूटस्ट्रैपिंग पॉलिसी सुधार प्राप्त करने में सक्षम बनाता है, जिससे बाहरी पर्यावरणीय पुरस्कारों की आवश्यकता समाप्त हो जाती है।
यह शोधपत्र डोमेन-अनुकूलित स्व-पर्यवेक्षित शिक्षण मॉडलों का उपयोग करते हुए एक बाल-केंद्रित वॉयस एनोनिमाइजेशन फ्रेमवर्क का प्रस्ताव करता है जो सिंगल-स्पीकर और मल्टी-स्पीकर दोनों परिदृश्यों में मजबूत गोपनीयता सुरक्षा सुनिश्चित करते हुए स्पीच इंटेलिजिबिलिटी और गुणवत्ता को प्रभावी ढंग से संरक्षित करता है।
यह शोध पत्र क्रिटिकल इंटरवल MSE (CI-MSE) प्रस्तुत करता है, जो एक सुदृढ़ ऑफलाइन वैलिडेशन मेट्रिक है जो त्रुटि गणना को कार्य-महत्वपूर्ण खंडों तक सीमित करता है और वास्तविक दुनिया के रोबोटिक मैनिपुलेशन प्रदर्शन के साथ काफी मजबूत सहसंबंध प्राप्त करने के लिए एक्शन-अलाइनमेंट प्रक्रियाओं को शामिल करता है, जो मानक रॉ MSE की तुलना में बेहतर है।
यह शोध पत्र एक अर्ध-पर्यवेक्षित (semi-supervised) साउंड इवेंट डिटेक्शन फ्रेमवर्क प्रस्तावित करता है जो प्रचुर मात्रा में उपलब्ध अनलेबल डेटा का प्रभावी ढंग से लाभ उठाने के लिए कंडीशनल मिक्सअप को एम्बेडिंग-लेवल कंट्रास्टिव लॉस के साथ एकीकृत करता है, जिससे DESED डेटासेट पर अत्याधुनिक (state-of-the-art) प्रदर्शन प्राप्त होता है।