23087 पेपर
यह अध्ययन विभिन्न सिंथेटिक और वास्तविक दुनिया के डेटासेट्स में विभिन्न कॉन्सेप्ट ड्रिफ्ट डिटेक्शन एल्गोरिदम का एक सैद्धांतिक विश्लेषण और व्यापक अनुभवजन्य मूल्यांकन प्रदान करता है ताकि उनकी विशेषताओं, व्यवहारों और विविध स्ट्रीमिंग वातावरणों में उनकी प्रयोज्यता को बेहतर ढंग से समझा जा सके।
यह शोध पत्र QMFOLOL को प्रस्तुत करता है, जो एक स्वचालित ढांचा है जो QMFOLBench बेंचमार्क बनाने के लिए नियंत्रणीय मोनैडिक फर्स्ट-ऑर्डर लॉजिक रीजनिंग कार्यों को उत्पन्न करता है, जिससे बड़े भाषा मॉडलों (LLMs) के प्रदर्शन और दक्षता पर तार्किक जटिलता, लेबल प्रकारों और अर्थ संबंधी विविधताओं के प्रभाव का सटीक मूल्यांकन सक्षम होता है।
यह शोध पत्र यह प्रस्तावित करता है कि बुद्धिमत्ता को दुर्लभ लेकिन वैध भविष्य के ऊष्मप्रवैगिकी प्रवर्धन (thermodynamic amplification) के रूप में सार्वभौमिक रूप से मापा जा सकता है, और यह तर्क देता है कि इस "दुर्लभ-वैध उत्थान" (rare-valid lift) के उच्च स्तर को प्राप्त करने के लिए पुनरावर्ती आत्म-अनुकरण (recursive self-simulation) आवश्यक और लगभग पर्याप्त दोनों है।
यह शोध पत्र MAMO को प्रस्तुत करता है, जो एक मल्टी-एजेंट सुदृढीकरण शिक्षण (multi-agent reinforcement learning) ढांचा है जो गतिशील वातावरणों में प्राथमिक उद्देश्यों और बाधा उल्लंघनों के बीच संतुलन बनाने के लिए इष्टतम रिवॉर्ड वेट्स (reward weights) को स्वायत्त रूप से सीखता है, जिससे पारंपरिक लैग्रेंजियन-आधारित दृष्टिकोणों में मैन्युअल वेट चयन की सीमाओं को दूर किया जा सके।
यह शोध पत्र एक प्रशिक्षण-मुक्त संरचनात्मक संपीड़न पाइपलाइन पेश करता है जो विजन-लैंग्वेज-एक्शन मॉडलों में अनावश्यक परतों की पहचान और उन्हें हटाता है, जिससे विविध रोबोटिक कार्यों में प्रदर्शन को बनाए रखते हुए या उसमें सुधार करते हुए 50% तक गहराई में कमी और प्रशिक्षण एवं अनुमान (इन्फरेंस) दोनों में महत्वपूर्ण त्वरण प्राप्त होता है।
यह शोध पत्र "संपादकीय संरेखण" (एडिटोरियल अलाइनमेंट) को एक सहभागी डिजाइन अभ्यास के रूप में प्रस्तावित करता है जो सार्वजनिक ज्ञान संस्थानों को उनके संपादकीय मानकों और मूल्यों के साथ LLM इंटरफेस को पुन: संरेखित करने के लिए सशक्त बनाता है, जिससे AI-मध्यस्थ ज्ञान प्रसार में संपादकीय एजेंसी को संरक्षित किया जा सके।
यह शोध पत्र SoftSkill को प्रस्तुत करता है, जो प्राकृतिक-भाषा व्यवहार संबंधी निर्देशों को संक्षिप्त, प्रशिक्षित निरंतर संदर्भ वेक्टर्स (continuous context vectors) में संकुचित करने की एक विधि है ताकि खोज और गणित जैसे कार्यों पर फ्रोजन लैंग्वेज मॉडल्स के प्रदर्शन को बढ़ाया जा सके, जो टोकन ओवरहेड को काफी कम करते हुए मानक प्रॉम्प्टिंग और मौजूदा अनुकूलन तकनीकों दोनों से बेहतर प्रदर्शन करता है।
यह शोध पत्र एक नैदानिक अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि जबकि इंटरेक्शन ट्रेजेक्टरी माइनिंग कंप्यूटर का उपयोग करने वाले एजेंटों के लिए पठनीय और उच्च-शुद्धता वाली स्किल लाइब्रेरी जेनरेट कर सकती है, वर्तमान दृष्टिकोण सीमा पहचान (बाउंड्री डिटेक्शन), सेगमेंट प्रतिनिधित्व और ऑफलाइन रिवॉर्ड मॉडलिंग की सीमाओं के कारण इन अंतर्दृष्टि को विश्वसनीय क्रॉस-डोमेन पॉलिसी सुधारों में बदलने में विफल रहता है।
CRAX एक तेज़ और सुरक्षित सुदृढीकरण शिक्षण (reinforcement learning) बेंचमार्क है जो MuJoCo XLA भौतिक इंजन पर निर्मित है और जो हार्डवेयर त्वरण का लाभ उठाकर मौजूदा CPU-आधारित सुरक्षा बेंचमार्क की तुलना में 100x तक की गति प्राप्त करता है, जिससे विविध वातावरणों में सुरक्षित RL विधियों के बड़े पैमाने पर मूल्यांकन को सक्षम बनाया जा सके और प्रदर्शन-सुरक्षा व्यापार-समझौतों (performance-safety trade-offs) तथा पाठ्यक्रम सीखने (curriculum learning) के लाभों के बारे में प्रमुख अंतर्दृष्टि को उजागर किया जा सके।
यह शोध पत्र गैर-समान (non-uniform) E2M1 FP4 प्रारूपों में एक मौलिक "श्रिंकेज बायस" (Shrinkage Bias) की पहचान करता है जो प्रशिक्षण अस्थिरता का कारण बनता है, और UFP4 प्रस्तावित करता है, जो एक समान 4-बिट (E1M2/INT4) प्रशिक्षण रेसिपी है जो मौजूदा E2M1-आधारित दृष्टिकोणों की तुलना में विभिन्न मॉडल स्केल्स पर बेहतर प्रीट्रेनिंग प्रदर्शन प्राप्त करने के लिए रैंडम हैडामार्ड ट्रांसफॉर्म (Random Hadamard Transform) का लाभ उठाती है।