22367 पेपर
यह शोध पत्र इन-कॉन्टेक्स्ट मॉडल प्रिडिक्टिव जनरेशन (ICMPG) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो लार्ज लैंग्वेज मॉडल प्लानिंग को क्लोज्ड-लूप, मॉडल प्रिडिक्टिव कंट्रोल-जैसे प्रोसेस में इन्फरेंस-टाइम फिजिकल फीडबैक के साथ एकीकृत करके टेक्स्ट-ड्रिवन मोशन सिंथेसिस में सिमेंटिक फिडेलिटी और फिजिकल रियलिज्म के बीच के अंतर को पाटता है।
यह शोध पत्र इस बात की जांच करता है कि कैसे प्रासंगिक फ्रेमिंग (contextual framing) मानसिक स्वास्थ्य संबंधी बातचीत में बड़े भाषा मॉडलों (large language models) की व्यवहारिक स्थिरता और आंतरिक निरूपणों को प्रभावित करती है, जो यह प्रकट करता है कि फ्रेमिंग व्यवस्थित रूप से प्रतिक्रिया प्रवृत्तियों को बदल देती है और ये प्रभाव मॉडलों की आंतरिक परतों के भीतर डिकोड करने योग्य और आंशिक रूप से परिवर्तनीय हैं।
ReaORE एक नवीन ढांचा है जो बड़े रीजनिंग मॉडलों का लाभ उठाकर ओपन रिलेशन एक्सट्रैक्शन को बढ़ाता है ताकि कोर्स-टू-फाइन (coarse-to-fine) रिलेशन रीजनिंग की जा सके, जो संबंध फ़िल्टरिंग और सूक्ष्म-स्तरीय भविष्यवाणी की दो-चरणीय प्रक्रिया के माध्यम से सामान्यीकरण और भेदभाव की चुनौतियों को प्रभावी ढंग से संबोधित करता है।
यह शोध पत्र प्रदर्शित करता है कि ओपन-सोर्स LLMs (Apertus-8B और Gemma-4), प्रोप्रायटरी मॉडल्स के तुलनीय वैलेंस ज्योमेट्री (valence geometry) के साथ भावना अवधारणाओं को एनकोड करते हैं, जबकि यह भी दर्शाता है कि ये प्रतिनिधित्व मॉडल की गहराई में कैसे उभरते हैं और निष्कर्षण कॉर्पस (extraction corpus) के आधार पर कैसे भिन्न होते हैं, जिसमें विशिष्ट, आर्किटेक्चर-विशिष्ट पैटर्न प्रकट होते हैं।
यह शोधपत्र अनिश्चितता मात्रा निर्धारण (अनसर्टेंटी क्वांटिफिकेशन) मेट्रिक्स का मूल्यांकन करने के लिए "डिसीजन-अलाइनमेंट" (निर्णय-संरेखण) को एक मानदंड के रूप में प्रस्तुत करता है, जो यह प्रदर्शित करता है कि पारंपरिक मेट्रिक्स अक्सर डाउनस्ट्रीम उपयोगिता को दर्शाने में विफल रहते हैं और एक सिद्धांतपूर्ण विकल्प के रूप में "प्रायर-वेटेड यूटिलिटी मेट्रिक्स" (पूर्व-भारित उपयोगिता मेट्रिक्स) का प्रस्ताव करता है जो वास्तविक निर्णय परिणामों के साथ निरंतर संरेखित होता है।
यह शोधपत्र AURORA-AI को प्रस्तुत करता है, जो एक क्लोज्ड-लूप रिसोर्स ऑर्केस्ट्रेशन फ्रेमवर्क है जो विविध गैर-स्थिर व्यवधानों के तहत लचीला, उच्च-प्रदर्शन और न्यायसंगत संचालन सुनिश्चित करने के लिए हैमिल्टन-जेकोबी-बेलमैन नियंत्रण, लियापुनोव स्थिरता और निष्पक्षता-जागरूक उपयोगिता को एकीकृत करते हुए विषम एआई मॉडलों में कंप्यूटेशनल संसाधनों को गतिशील रूप से आवंटित करता है।
यह शोध पत्र यह प्रदर्शित करता है कि ऊर्जा व्यापार के लिए डीप रिइन्फोर्समेंट लर्निंग में, मजबूत नीति प्रदर्शन और विभिन्न बाजार क्षेत्रों में स्थानांतरणीयता (ट्रांसफ़रेबिलिटी), किसी भी एकल फीचर परिवार पर निर्भर रहने के बजाय, स्टेट रिप्रेजेंटेशन के भीतर पूर्ण मूल्य पैमानों (एब्सोल्यूट प्राइस स्केल्स), सापेक्ष ऐतिहासिक संदर्भ और अल्प-अवधि पूर्वानुमान विशेषताओं को संयोजित करने पर महत्वपूर्ण रूप से निर्भर करती है।
यह शोध पत्र ग्राउंड ट्रुथ के साथ क्लस्टरिंग का मूल्यांकन करने के लिए सामान्य एक्सटर्नल वैलिडिटी इंडेक्स की समीक्षा करता है, जिसमें अपने सहज और व्याख्या योग्य क्लस्टर-स्तरीय परिणामों के लिए सेंट्रॉइड इंडेक्स (CI) की सिफारिश की गई है, साथ ही पॉइंट-लेवल या साइज-अनबायस्ड आकलन के लिए पेयर-सेट इंडेक्स (PSI) और क्लस्टरिंग एक्यूरेसी (ACC) को उपयुक्त विकल्पों के रूप में भी रेखांकित किया गया है।
यह शोध पत्र पैरामीट्रिक ओपन-सोर्स गेम्स को एक निरंतर ढांचे के रूप में प्रस्तुत करता है जहाँ खिलाड़ी मिश्रित क्रियाओं (mixed actions) में मैप किए गए पैरामीटर वेक्टर्स को अनुकूलित करते हैं, जो यह प्रदर्शित करता है कि एजेंटों के आंतरिक मापदंडों के बीच पर्याप्त रूप से मजबूत युग्मन (coupling), सममित खेलों (symmetric games) में स्वार्थी ग्रेडिएंट एसेंट (gradient ascent) को सहकारी साम्यावस्था (cooperative equilibria) की ओर निर्देशित कर सकता है।
यह शोध पत्र अवशिष्ट भारण (residual weighting) के साथ एक सुधारात्मक हेवी-बॉल Q-लर्निंग पद्धति प्रस्तावित करता है, जो एक स्विच किया गया रैखिक प्रणाली प्रतिनिधित्व और संयुक्त स्पेक्ट्रल त्रिज्या विश्लेषण का उपयोग करते हुए इसके अभिसरण (convergence) को स्थापित करता है और मानक Q-लर्निंग की तुलना में त्वरित प्रदर्शन के लिए शर्तों को सिद्ध करता है।