23087 पेपर
यह शोध पत्र PRO और PRO-MAX प्रस्तुत करता है, जो हेट्रोजेनियस फेडरेटेड क्लास-इन्क्रीमेंटल लर्निंग के लिए एक सर्वर-लाइट फ्रेमवर्क है, जो विविध क्लाइंट्स और मोडैलिटीज के बीच रिप्रेजेंटेशन ड्रिफ्ट और सुपरविजन इम्बैलेंस को प्रभावी ढंग से कम करने के लिए नाजुक इनपुट-स्पेस जनरेटर रिप्ले को प्रोजेक्टेड रिहर्सल ऑर्केस्ट्रेशन से बदलता है।
यह शोध पत्र एक प्रूफ-ऑफ-कॉन्सेप्ट एआई-संचालित ढांचे को प्रस्तुत और मान्य करता है जो जॉर्डन के अम्मान जिला नेटवर्क में गैर-राजस्व जल को कम करने के लिए अनुकूलनशील, वास्तविक समय की निगरानी और बर्स्ट डिटेक्शन को सक्षम करने हेतु ईपानेट (EPANET) हाइड्रोलिक मॉडलिंग, डिजिटल ट्विन तकनीक और ऑफलाइन लार्ज लैंग्वेज मॉडल्स को एकीकृत करता है।
यह शोध पत्र RoboPIN को प्रस्तुत करता है, जो एक विधि है जो मल्टी-स्टेप, मल्टी-व्यू परिदृश्यों में निरंतर एंटिटी ट्रैकिंग और ग्राउंडिंग सुनिश्चित करने के लिए संरचित विजुअल एंकर्स के साथ एक पिन्ड चेन-ऑफ-थॉट प्रतिमान (Pinned Chain-of-Thought paradigm) का उपयोग करके एम्बॉडीड रीजनिंग को उन्नत करती है, और 14 बेंचमार्क पर 4B-पैरामीटर मॉडल के साथ अत्याधुनिक प्रदर्शन प्राप्त करती है।
यह शोध पत्र स्वचालित ड्राइविंग में लेन-परिवर्तन (लेन-चेंज) भविष्यवाणी के लिए एक कारण-अनुमान (कॉज़ल-इन्फरेंस) आधारित ढांचे का प्रस्ताव करता है जो सांख्यिकीय सहसंबंधों से आगे बढ़कर कारण चालकों की पहचान करके, हस्तक्षेप प्रभावों का विश्लेषण करके और विरोधाभासी कारण श्रृंखलाओं को उत्पन्न करके व्याख्यात्मक, तंत्र-जागरूक स्पष्टीकरण प्रदान करता है और साथ ही उच्च भविष्यवाणी सटीकता प्राप्त करता है।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि एजेंटिक LLMs ज्ञात कमजोरियों को पुनरुत्पादित करने में उच्च स्थिरता प्रदर्शित करते हैं, नई समस्याओं को खोजने की उनकी क्षमता अत्यधिक असंगत है, जो यह सुझाव देता है कि LLM-आधारित सुरक्षा समीक्षाओं को नियतकालिक (deterministic) स्टैटिक एप्लिकेशन सिक्योरिटी टेस्टिंग (SAST) के स्थान पर उसका पूरक होना चाहिए।
यह शोध पत्र DYNA का प्रस्ताव करता है, जो एक हल्का ढांचा (लाइटवेट फ्रेमवर्क) है जो निरंतर सीखने में सक्षम बनाने और महंगी पुनर्रचना (रिट्रेनिंग) के बिना कैटास्ट्रोफिक फॉरगेटिंग को कम करने के लिए फ्रोजन लार्ज लैंग्वेज मॉडल्स को एक अपडेट करने योग्य टेम्पोरल नॉलेज ग्राफ के साथ संवर्धित करता है।
यह शोध पत्र एक रिट्रीवल-ऑगमेंटेड रिलायबिलिटी-अवेयर इन्फरेंस फ्रेमवर्क प्रस्तावित करता है जो बाहरी विजुअल साक्ष्य का लाभ उठाकर भविष्यवाणी की विश्वसनीयता का अनुमान लगाने और चयनात्मक निर्णय गेटिंग को लागू करने के लिए, बिना मॉडल को पुन: प्रशिक्षित किए मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स में सटीकता में उल्लेखनीय सुधार करता है और मतिभ्रम (hallucinations) को कम करता है।
यह शोधपत्र GAS-Leak-LLM को प्रस्तुत करता है, जो एक ब्लैक-बॉक्स जेलब्रेकिंग हमला है जो एक जेनेटिक एल्गोरिदम का उपयोग करके प्रतिकूल प्रत्ययों (adversarial suffixes) को पुनरावर्ती रूप से विकसित करता है, जिससे बड़े भाषा मॉडलों (Large Language Models) के आंतरिक मापदंडों तक पहुँच की आवश्यकता के बिना प्रभावी रूप से सुरक्षा बाधाओं को बायपास किया जा सकता है।
यह शोध पत्र GFlowNets और एंट्रॉपी-रेगुलराइज्ड सुदृढीकरण शिक्षण (reinforcement learning) के बीच सैद्धांतिक संबंध स्थापित करता है ताकि विभिन्न बेंचमार्क पर संरचित असतत वितरणों (structured discrete distributions) से नमूने लेने के लिए स्टोकेस्टिक नीतियों को प्रशिक्षित करने हेतु प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन (PPO) की बेहतर अभिसरण (convergence) और डेटा दक्षता को व्युत्पन्न और प्रदर्शित किया जा सके।
यह शोध पत्र "नॉलेज ट्रैप" (Knowledge Trap) का प्रस्ताव करता है, जो एक रक्षा तंत्र है जो बड़े भाषा मॉडल (LLM) निष्कर्षण हमलों को कम करने के लिए विरोधियों को एक कम-मूल्य वाले "हनीपॉट नॉलेज ग्राफ" (Honeypot Knowledge Graph) की ओर पुनर्निर्देशित करता है, जिससे वैध उपयोगकर्ताओं के प्रदर्शन को कम किए बिना उनके क्वेरी बजट को नगण्य डेटा पर व्यर्थ कर दिया जाता है।