23200 पेपर
यह शोध पत्र HannesImitationPolicy को प्रस्तुत करता है, जो एक इमिटेशन लर्निंग फ्रेमवर्क है, जिसमें नव-निर्मित HannesImitationDataset पर प्रशिक्षित एक डिफ्यूजन मॉडल का उपयोग किया गया है ताकि हनेस प्रोस्थेटिक हैंड (Hannes prosthetic hand) को असंरचित वातावरण में वस्तुओं को स्वायत्त रूप से पकड़ने में सक्षम बनाया जा सके, जो पारंपरिक विजुअल सर्वो कंट्रोलर्स की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
विस्फ्यूजन (Whisfusion) एक समानांतर मास्क किया हुआ डिफ्यूजन डिकोडर पेश करता है जिसे फ्रोजन विस्पर-लार्ज-v3 (Whisper-large-v3) एम्बेडिंग्स पर प्रशिक्षित किया गया है, जो अत्याधुनिक बहुभाषी एएसआर (ASR) सटीकता प्राप्त करता है और साथ ही इन्फरेंस स्पीड में ऑटोरेग्रेसिव बेसलाइन्स से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र LLM-MapRepair को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो वर्ज़न कंट्रोल और इम्पैक्ट-आधारित रिपेयर मैकेनिज्म के माध्यम से नेविगेशन ग्राफों के क्रमिक निर्माण और सुधार द्वारा LLM एजेंटों की स्थानिक स्मृति (spatial memory) को बढ़ाता है, जिससे सिंथेटिक बेंचमार्क और जटिल साहित्यिक परिवेश दोनों में महत्वपूर्ण रिकॉल सुधार प्राप्त होता है।
यह शोध पत्र PULSE को प्रस्तुत करता है, जो एक मानव-केंद्रित मूल्यांकन ढांचा है जो वास्तविक दुनिया की सॉफ्टवेयर इंजीनियरिंग में LLM एजेंट डिजाइनों का आकलन करने के लिए उपयोगकर्ता फीडबैक को मशीन लर्निंग भविष्यवाणियों के साथ जोड़ता है, यह प्रदर्शित करते हुए कि ऐसे सहयोगात्मक आकलन अधिक सुदृढ़ अंतर्दृष्टि प्रदान करते हैं और पारंपरिक बेंचमार्क-आधारित मूल्यांकनों की तुलना में महत्वपूर्ण विसंगतियों को प्रकट करते हैं।
यह शोध पत्र एक नॉनकॉन्वेक्स (nonconvex) अपर लेवल और स्ट्रॉन्गली कॉन्वेक्स (strongly convex) लोअर लेवल वाले बाइलेवल ऑप्टिमाइज़ेशन के लिए नए ओरेकल कॉम्प्लेक्सिटी लोअर बाउंड्स स्थापित करता है, जो बाइलेवल और मिनिमैक्स समस्याओं के बीच कंडीशन नंबर डिपेंडेंसी (condition number dependency) में एक प्रमाणित अंतर को प्रदर्शित करता है और इन परिणामों को हाई-ऑर्डर स्मूथ (high-order smooth), स्टोकेस्टिक (stochastic), और कॉन्वेक्स हाइपर-ऑब्जेक्टिव (convex hyper-objective) सहित विभिन्न सेटिंग्स तक विस्तारित करता है।
यह शोध पत्र पहचानता है कि रिवॉर्ड मॉडल्स के लिए मानक ब्रैडली-टेरी लॉस (Bradley-Terry loss) एक रिप्रेजेंटेशन डिस्टेंस बायस (representation distance bias) से ग्रस्त है जो प्रेडिक्शन एरर के बजाय फीचर डिस्टेंस के आधार पर असंगत ग्रेडिएंट अपडेट का कारण बनता है, और यह नॉर्मबीटी (NormBT) प्रस्तावित करता है, जो एक हल्का नॉर्मलाइजेशन स्कीम है जो इस समस्या को कम करता है और विशेष रूप से सूक्ष्म-स्तरीय रीजनिंग कार्यों पर प्रदर्शन में उल्लेखनीय सुधार करता है।
यह शोध पत्र SCOPE प्रस्तुत करता है, जो एक प्रिसक्रिप्टिव प्रोसेस मॉनिटरिंग दृष्टिकोण है जो अवलोकन संबंधी डेटा से क्रमिक हस्तक्षेपों को अनुकूलित करने के लिए बैकवर्ड इंडक्शन और कॉज़ल लर्नर्स का उपयोग करता है, जो प्रमुख प्रदर्शन संकेतकों (KPIs) में सुधार के लिए हस्तक्षेपों को संरेखित करने में मौजूदा विधियों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र MMD गाइडेंस (MMD Guidance) का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त (training-free) विधि है जो रिवर्स डिफ्यूजन प्रक्रिया में मैक्सिमम मीन डिसक्रेपेंसी (Maximum Mean Discrepancy) ग्रेडिएंट्स को शामिल करके पूर्व-प्रशिक्षित डिफ्यूजन मॉडल्स को उपयोगकर्ता-विशिष्ट लक्षित वितरणों के अनुकूल बनाती है, जिससे सीमित संदर्भ डेटा के साथ प्रभावी वितरण संरेखण प्राप्त किया जाता है और नमूना निष्ठा (sample fidelity) भी सुरक्षित रहती है।
यह अध्ययन प्रकट करता है कि जहाँ समाचारों में विस्तृत एआई प्रकटीकरण (AI disclosures) पाठक के विश्वास को कम करते हैं, वहीं वे साथ ही स्रोत-जांच व्यवहार को भी बढ़ाते हैं, जो एक सार्वभौमिक "पारदर्शिता दुविधा" के बजाय पारदर्शिता और विश्वास के बीच एक समझौते का सुझाव देता है।