23087 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि अत्यधिक सुपरवाइज्ड फाइन-ट्यूनिंग (SFT) रोलआउट वितरण को संकुचित कर सकती है, जिससे एंट्रॉपी कोलैप्स (entropy collapse) होता है जो ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन (GRPO) प्रशिक्षण में रैंक इनवर्जन और प्रदर्शन में गिरावट का कारण बनता है, एक ऐसा विफलता मोड जिसे प्री-आरएल (pre-RL) एंट्रॉपी और प्रारंभिक GRPO डायनेमिक्स की निगरानी करके अनुमानित और कम किया जा सकता है।
यह शोध पत्र "न्यूरल फेज कोरिलेशन" प्रस्तुत करता है, जो शास्त्रीय फेज कोरिलेशन विधि का एक सीखा हुआ सामान्यीकरण है जो रिजिड और नॉन-रिजिड विरूपणों को संभालने के लिए ट्रांसफॉर्मेशन बेसिस को सीखता है, चिकित्सा इमेज रजिस्ट्रेशन में अत्याधुनिक प्रदर्शन प्राप्त करता है और अवलोकन युग्मों से क्वांटम मैकेनिकल गुणों को सफलतापूर्वक पुनर्प्राप्त करता है।
PSyGenTAB एक गोपनीयता-संरक्षित जनरेटिव फ्रेमवर्क है जो ऑगमेंटेड लैग्रेंजियन मेथड के माध्यम से कंस्ट्रेंड ऑप्टिमाइज़ेशन का उपयोग करता है ताकि सिंथेटिक क्लिनिकल टैबुलर डेटा उत्पन्न किया जा सके जो सख्त गोपनीयता सुरक्षा और डाउनस्ट्रीम मेडिकल एआई कार्यों के लिए आवश्यक क्लिनिकल पैटर्न एवं उपयोगिता के संरक्षण के बीच प्रभावी ढंग से संतुलन बनाता है।
यह शोध पत्र CEO-Bench पेश करता है, जो एक नया बेंचमार्क है जो एक स्टार्टअप के 500 दिनों के संचालन का अनुकरण करके लंबी अवधि वाली, अनिश्चित और शोर भरी वास्तविक दुनिया की व्यावसायिक चुनौतियों से निपटने की भाषा मॉडल एजेंटों की क्षमता का मूल्यांकन करता है, जिससे यह पता चलता है कि अत्याधुनिक मॉडल भी लगातार लाभप्रदता प्राप्त करने में संघर्ष करते हैं।
यह अध्ययन प्रदर्शित करता है कि स्नातक प्रशिक्षुओं के बीच, स्व-रिपोर्ट की गई एलएलएम (LLM) उपयोग आवृत्ति, पूर्व पाठ्यक्रम या स्व-रेटेड परिचितता की तुलना में पूर्व-निर्देश एआई (AI) नैतिकता धारणाओं का अधिक सुसंगत और प्रभावी भविष्यवक्ता है, जो यह सुझाव देता है कि सरल व्यवहार संबंधी संकेत प्रभावी रूप से अनुकूल एआई नैतिकता शिक्षा को सूचित कर सकते हैं।
यह शोध पत्र एक Wasserstein-GAN-प्रेरित अनसुपरवाइज्ड फ्रेमवर्क प्रस्तावित करता है जो सेंसर-प्रेरित वितरण ड्रिफ्ट्स को ठीक करने के लिए भौतिक रूप से व्याख्या योग्य कैलिब्रेशन ट्रांसफॉर्मेशन सीखता है, जो टॉय मॉडल्स और हाई-ग्रैनुलैरिटी कैलोरीमीटर सिमुलेशन दोनों में एजिंग पैरामीटर्स को सफलतापूर्वक रिकवर करने और डेटा क्वालिटी को बहाल करने में सफल रहा है।
यह शोध पत्र विज़न-आधारित रोबोटिक मैनिपुलेशन के लिए चार एक्शन स्पेस का बेंचमार्किंग करता है, जो सिम-टू-रियल प्रयोगों के माध्यम से यह प्रदर्शित करता है कि जॉइंट वेलोसिटी (joint velocity) पिकिंग और पुशिंग के लिए सबसे सुचारू गति और सर्वोत्तम कार्य प्रदर्शन प्रदान करती है, साथ ही आरएल (RL) अभ्यासकर्ताओं के लिए व्यावहारिक मार्गदर्शन भी देती है।
यह शोध पत्र एक पार्शियली ऑब्जर्वेबल मार्कोव डिसीजन प्रोसेस (POMDP) ढांचे का प्रस्ताव करता है जो भूगर्भीय, मांग और मूल्य निर्धारण अनिश्चितताओं के तहत लिथियम उत्पादन निर्णयों को अनुकूलित करने के लिए निष्कर्षण प्रौद्योगिकियों और खनन समय का गतिशील रूप से चयन करता है, जो विभिन्न मूल्य निर्धारण परिदृश्यों में उच्च मांग पूर्ति और संतुलित आर्थिक-पर्यावरणीय परिणामों को प्राप्त करने में मानव-प्रेरित ह्यूरिस्टिक्स की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र PhysAssistBench प्रस्तुत करता है, जो वास्तविक MIMIC-IV मामलों से निर्मित एक नवीन बेंचमार्क है, जो इंटरैक्टिव डॉक्टर-रोगी परिदृश्यों में नैदानिक ज्ञान, रोगी संचार और EHR टूल के उपयोग को समन्वित करने की क्षमता पर लार्ज लैंग्वेज मॉडल्स का मूल्यांकन करता है, और यह प्रकट करता है कि व्यक्तिगत क्षमताओं में अलग-अलग सुधारों के बावजूद वर्तमान मॉडल इस तरह की एकीकृत चिकित्सक सहायता के लिए अविश्वसनीय बने हुए हैं।
Code-Augur एक नवीन एजेंटिक भेद्यता पहचान ढांचा (framework) है जो कोड से सुरक्षा विशिष्टताओं (security specifications) को स्पष्ट रूप से अनुमानित करके और रनटाइम फाल्सिफिकेशन (runtime falsification) के माध्यम से उन्हें निरंतर परिष्कृत करके स्वायत्त LLMs की विश्वसनीयता और प्रभावशीलता को बढ़ाता है, जिससे उन महत्वपूर्ण कमजोरियों का पता चलता है जिन्हें अन्य विधियाँ छोड़ देती हैं।