23098 पेपर
यह शोध पत्र एक मार्केटिंग एनालिटिक्स फ्रेमवर्क प्रस्तुत करता है जो मांग पूर्वानुमान, मूल्य लोच और मंथन प्रवृत्ति (churn propensity) को एक बाधित, गार्डरेइल्ड निर्णय प्रणाली में एकीकृत करके सब्सक्रिप्शन मूल्य निर्धारण को अनुकूलित करता है, जो ग्राहक विश्वास को बनाए रखते हुए राजस्व और प्रतिधारण (retention) को अधिकतम करने के लिए मूल्य समायोजन को गतिशील रूप से पुनर्वितरित करता है।
यह शोध पत्र यह प्रदर्शित करता है कि लंबे LLM संवादों में, वर्बेटिम (शब्दशः) संवाद खंडों को संग्रहीत करना रिट्रीवल और रीजनिंग के लिए LLM-निष्कर्षित संरचित आर्टिफैक्ट्स की तुलना में काफी बेहतर प्रदर्शन करता है, क्योंकि लॉसवी डिस्टिलेशन प्रक्रिया उन महत्वपूर्ण विवरणों को हटा देती है जिन्हें कच्चा टेक्स्ट सुरक्षित रखता है।
यह शोध पत्र तर्क देता है कि क्रियाशील (actionable) AI व्याख्यात्मकता को चार विशिष्ट समरूपताओं (symmetries) के माध्यम से औपचारिक रूप से परिभाषित किया जाना चाहिए, जो व्याख्यात्मक मॉडलों के कठोर परीक्षण, डिजाइन और सत्यापन को सक्षम बनाती हैं, जो कि अनुमान (inference), संरेखण (alignment) और सुरक्षा अनुपालन को एकीकृत करने में सक्षम संभाव्य प्रणालियों के एक उपवर्ग के रूप में कार्य करते हैं।
यह शोध पत्र ULEE को प्रस्तुत करता है, जो एक अनसुपरवाइज्ड मेटा-लर्निंग विधि है जो अन्वेषण (exploration) और अनुकूलन (adaptation) को अनुकूलित करने के लिए इन-कॉन्टेक्स्ट लर्निंग को एडवरसेरियल गोल जनरेशन के साथ जोड़ती है, जो मौजूदा प्री-ट्रेनिंग दृष्टिकोणों की तुलना में नवीन कार्यों पर ज़ीरो-शॉट और फ्यू-शॉट प्रदर्शन में महत्वपूर्ण सुधार करती है।
यह शोधपत्र V-pretraining को प्रस्तुत करता है, जो एक हल्के कार्य डिज़ाइनर (lightweight task designer) का लाभ उठाकर डाउनस्ट्रीम उदाहरणों के एक छोटे सेट द्वारा निर्देशित चरण-स्तरीय स्व-पर्यवेक्षित लक्ष्यों (step-level self-supervised targets) को उत्पन्न करता है, जिससे सामान्य-उद्देश्य वाले निरूपणों (general-purpose representations) को ध्वस्त किए बिना या डाउनस्ट्रीम लेबल के साथ शिक्षार्थी (learner) को सीधे अपडेट किए बिना विशिष्ट क्षमताओं के लिए निरंतर पूर्व-प्रशिक्षण (continued pretraining) को अनुकूलित किया जाता है।
यह शोध पत्र रेजिडुअल कॉन्टेक्स्ट डिफ्यूजन (RCD) को प्रस्तुत करता है, जो एक नवीन मॉड्यूल है जो न्यूनतम अतिरिक्त गणना और प्रशिक्षण डेटा के साथ डिफ्यूजन लार्ज लैंग्वेज मॉडल्स (dLLMs) की सटीकता और दक्षता को महत्वपूर्ण रूप से बढ़ाने के लिए त्याग दिए गए टोकन रिप्रजेंटेशन्स को कॉन्टेक्स्टुअल रेजिडुअल्स के रूप में पुनर्चक्रित करता है।
यह शोध पत्र InfoReasoner को प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो मैन्युअल एनोटेशन के बिना नीति प्रशिक्षण (policy training) को निर्देशित करने के लिए आउटपुट वितरण से प्राप्त सैद्धांतिक रूप से आधारित, सिंथेटिक सिमेंटिक सूचना लाभ (synthetic semantic information gain) पुरस्कार का उपयोग करके रिट्रीवल के साथ एजेंटिक रीजनिंग को अनुकूलित करता है, जिससे कई बेंचमार्क में महत्वपूर्ण सटीकता सुधार प्राप्त होते हैं।
यह शोध पत्र FAST-AR को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free) ढांचा है जो टेम्पोरल कैश्स (temporal caches) को संकुचित करके और अनुमानित निकटतम पड़ोसी मिलान (approximate nearest neighbor matching) के माध्यम से अटेंशन को विरल (sparsify) करके ऑटोरेग्रेसिव वीडियो डिफ्यूजन और वर्ल्ड मॉडल्स को तेज़ करता है, जिससे दृश्य गुणवत्ता को बनाए रखते हुए स्थिर मेमोरी उपयोग के साथ 5-10 गुना की गति प्राप्त होती है।
यह शोधपत्र HyperPotter को प्रस्तुत करता है, जो एक हाइपरग्राफ-आधारित ढांचा है जो मौजूदा विधियों की तुलना में ऑडियो डीपफेक डिटेक्शन की सटीकता और क्रॉस-परिदृश्य सामान्यीकरण (cross-scenario generalization) में महत्वपूर्ण सुधार करने के लिए उच्च-क्रम इंटरैक्शन का लाभ उठाता है।
यह शोध पत्र यह प्रस्तावित करता है कि पॉइसन मान्यताओं के तहत वेरिएशनल फ्री एनर्जी को न्यूनतम करना सूचना-सैद्धांतिक कोडिंग दरों को बायोफिजिकल फायरिंग दरों से स्वाभाविक रूप से जोड़ता है, जिससे एक उभरता हुआ मेटाबॉलिक कॉस्ट टर्म निर्मित होता है जो एक पॉइसन वेरिएशनल ऑटोएन्कोडर (P-VAE) में ऊर्जा-कुशल स्पार्स कोडिंग को सक्षम बनाता है, जो कि मानक गॉसियन मॉडलों में अनुपस्थित एक विशेषता है।