22514 पेपर
यह सर्वेक्षण एलएलएम (LLM) एजेंटों द्वारा इंटरैक्ट किए जाने वाले विभिन्न डेटा स्रोतों को वर्गीकृत करके, बिखरे हुए अनुसंधान डोमेन में जुड़ी कमजोरियों का विश्लेषण करके, और शासन तंत्र एवं बेंचमार्क में महत्वपूर्ण अंतराल की पहचान करके, एलएलएम एजेंटों में गोपनीयता जोखिमों को समझने के लिए एक व्यापक, डेटा-केंद्रित ढांचा प्रदान करता है।
यह शोध पत्र एक LLM-आधारित ऑटोफॉर्मलाइजेशन पाइपलाइन प्रस्तुत करता है जो प्राकृतिक भाषा एजेंट निर्देशों और नीतियों को औपचारिक रूप से सत्यापित सिडर पॉलिसी लैंग्वेज (Cedar Policy Language) कोड में अनुवादित करता है, जो संभाव्य गार्डरेल्स (probabilistic guardrails) और हस्तलिखित प्रतीकात्मक प्रवर्तन (hand-coded symbolic enforcement) दोनों से बेहतर स्केलेबल और कठोर सुरक्षा गारंटी प्रदान करता है।
यह शोध पत्र LAMP को प्रस्तुत करता है, जो एक टोपोलॉजी-जागरूक मोशन फोरकास्टिंग फ्रेमवर्क है जो व्यवहार संबंधी विविधता और भविष्यवाणी सटीकता बनाए रखते हुए लेन टोपोलॉजी का कड़ाई से पालन करने वाले मल्टीमॉडल प्रक्षेपवक्र (ट्रैजेक्टरीज) उत्पन्न करने के लिए VQ-VAE-सीखे गए मोशन प्रिमिटिव्स और एक फिजिबिलिटी-जागरूक सेलेक्टर का उपयोग करता है।
यह शोध पत्र SkillDisCo को प्रस्तुत करता है, जो FSM-परिभाषित परिदृश्यों में सफल एजेंट ट्रेसेस को पुन: प्रयोज्य, पैरामीटराइज्ड कंट्रोल-फ्लो सबग्राफ्स में आसवित (distill) करके निष्पादन योग्य प्रक्रियात्मक कौशल (procedural skills) बनाने का एक ढांचा है, जिससे ALFWorld और WebArena जैसे बेंचमार्क में सफलता दर में सुधार होता है और रीजनिंग लागत कम होती है।
यह शोध पत्र NebulaExp को प्रस्तुत करता है, जो 8B-स्केल के LLMs के लिए एक पूर्णतः पारदर्शी और पुनरुत्पादक (reproducible) पोस्ट-ट्रेनिंग पाइपलाइन है, जो डेटा क्यूरेशन और प्रशिक्षण रणनीतियों पर पूर्ण-स्तरीय एब्लेशन अध्ययनों का उपयोग करके अनुकूलित SFT, GRPO सुदृढीकरण शिक्षण (reinforcement learning), और शिक्षक-आधारित डिस्टिलेशन के माध्यम से सामान्य निर्देश-अनुपालन और विशिष्ट तर्क क्षमताओं दोनों को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र एक ऐसे ढांचे का प्रस्ताव करता है जो अमूर्त तार्किक संरचनाओं और भाषाई संकेतों को संयोजित करने वाले डेटा-संचालित पैटर्न को आगमनात्मक रूप से निकालने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जो ज़ीरो-शॉट बेसलाइन और मौजूदा विधियों की तुलना में दोषपूर्ण तर्क (fallacy) वर्गीकरण की सटीकता और सामान्यीकरण में महत्वपूर्ण सुधार करता है।
यह शोध पत्र कलमन प्रोटोटाइपिकल नेटवर्क (KPN) को प्रस्तुत करता है, जो एक नवीन फ्यू-शॉट लर्निंग फ्रेमवर्क है जो डेटा-दुर्लभ स्थितियों के तहत कंबाइंड साइकिल गैस टर्बाइनों में दोषों का पता लगाने की सटीकता और स्थिरता को महत्वपूर्ण रूप से बढ़ाने के लिए क्लास प्रोटोटाइप्स को लेटेंट स्टोकेस्टिक स्टेट्स के रूप में मॉडल करता है।
यह शोध पत्र MLFFM-SegDiff प्रस्तावित करता है, जो एक मल्टी-लेवल फीचर फ्यूजन डिफ्यूजन मॉडल है जो डर्मोस्कोपिक छवियों में धुंधली सीमाओं और आर्टिफैक्ट्स जैसी चुनौतियों से निपटने के लिए एक डुअल-पाथ यू-नेट एनकोडर, एक अटेंशन-आधारित फ्यूजन मॉड्यूल और एक बाउंड्री-सेंसिटिव लॉस को एकीकृत करता है, जिससे स्किन लीजन सेगमेंटेशन बेंचमार्क पर स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त होता है।
यह शोध पत्र एक लेटेंट ODE फ्रेमवर्क पेश करता है जो कार्डियक एमआरआई से निरंतर पूर्ण-चक्र वेंट्रिकुलर गति को एक प्रोग्नोस्टिक लेटेंट प्रक्षेपवक्र (ट्रैजेक्टरी) में एनकोड करता है, जो एक बड़े यूके बायोबैंक कोहोर्ट में पारंपरिक सूचकांकों और स्थापित कार्डियक मार्करों की तुलना में घटित होने वाली हार्ट फेल्योर के बेहतर पूर्वानुमान को प्रदर्शित करता है।
यह शोध पत्र "Robust Onion" प्रस्तुत करता है, जो एक व्यापक अनुभवजन्य अध्ययन है जो व्यवस्थित रूप से विश्लेषण करता है कि कैसे सिंथेटिक शोर (synthetic noise) ओपन वोकेबुलरी ऑब्जेक्ट डिटेक्टर्स को खराब करता है, यह प्रकट करते हुए कि मजबूती मुख्य रूप से विज़न बैकबोन में इमेज डोमेन और फीचर कोलैप्स द्वारा शासित होती है न कि एनोटेशन द्वारा, जिससे एक हल्का प्लग-एंड-प्ले तरीका प्राप्त होता है जो न्यूनतम प्रशिक्षण योग्य मापदंडों के साथ मजबूती में महत्वपूर्ण सुधार करता है।