23200 पेपर
यह शोध पत्र -CROWN सत्यापन ढांचे (verification framework) में टेंसर पैरेललिज्म (Tensor Parallelism) और फुली शार्डेड डेटा पैरेललिज्म (Fully Sharded Data Parallelism) को अनुकूलित करता है ताकि GPU मेमोरी के उपयोग को काफी कम किया जा सके, जिससे CIFAR-100 पर ResNet-large जैसे बड़े पैमाने के न्यूरल नेटवर्क का औपचारिक सत्यापन संभव हो सके जो पहले मेमोरी की सीमाओं के कारण असंभव था।
यह शोध पत्र केवल 2D बॉडी पोज़ से संचार संबंधी इरादे (communicative intent) को पहचानने के लिए एक नया डेटासेट प्रस्तुत करता है, वास्तविक समय में, कम लागत वाले ऑन-डिवाइस रोबोट संचार के लिए विभिन्न मॉडलों का बेंचमार्किंग करता है, और इन भविष्यवाणियों के लिए अनसुपरवाइज्ड विश्वसनीयता अनुमान प्रदान करने के लिए एक सेल्फ-कंसिस्टेंसी-आधारित मीट्रिक का प्रस्ताव करता है।
यह शोध पत्र SAILS को प्रस्तुत करता है, जो एक मॉडल-अज्ञेय (model-agnostic) ढांचा है जो स्थानीय प्रभावों पर फिट किए गए व्याख्यात्मक सामान्यीकृत योगात्मक मॉडल (generalized additive model) सरोगेट्स का उपयोग करता है ताकि न केवल युग्मवार फीचर इंटरैक्शन का पता लगाया जा सके, बल्कि उनके कार्यात्मक रूपों को वर्गीकृत किया जा सके और अनुकूलित दृश्य (tailored visualizations) प्रदान किए जा सकें, जिससे मौजूदा व्याख्यात्मक एआई (explainable AI) विधियों के एक प्रमुख अंतराल को संबोधित किया जा सके।
यह नृवंशविज्ञान संबंधी अध्ययन तर्क देता है कि एआई (AI) में सुधारात्मक न्याय प्राप्त करने के लिए डेटा कार्य को ऑनलाइन हानियों से सर्वाधिक प्रभावित लोगों पर केंद्रित एक नारीवादी, सहयोगात्मक दृष्टिकोण के माध्यम से पुनोरिोंतित करना आवश्यक है, जिसके लिए जवाबदेही संबंधों और डेटासेट पर सामूहिक शासन का एक मौलिक पुनर्रचना की आवश्यकता है।
SIFT अटेंशन इनवैरिएंस (attention invariance) का लाभ उठाकर पूर्ण KV टेंसरों के बजाय उच्च-अटेंशन टोकन स्थानों के केवल कॉम्पैक्ट बिट वेक्टर्स को स्टोर करता है, जिससे RAG प्रीफिल (prefill) में तेजी आती है, जिससे महंगे डिस्क ट्रांसफर समाप्त हो जाते हैं और न्यूनतम सटीकता हानि के साथ टाइम-टू-फर्स्ट-टोकन (time-to-first-token) में 1.71x की तेजी आती है।
यह शोध पत्र AliyunConsoleAgent को प्रस्तुत करता है, जो एक लागत प्रभावी वेब एजेंट फ्रेमवर्क है जो डिस्टिल्ड ट्रेजेक्टरीज (distilled trajectories) पर सुपरवाइज्ड फाइन-ट्यूनिंग और वास्तविक वातावरण में एक मजबूत रिवॉर्ड सिस्टम के साथ सुदृढीकरण सीखने (reinforcement learning) को संयोजित करने वाले दो-चरणीय प्रशिक्षण प्रतिमान के माध्यम से क्लाउड कंसोल दस्तावेज़ों को सत्यापित करने में अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोधपत्र एक रूब्रिक-निर्देशित SpeechLLM प्रस्तुत करता है जिसे एक हाइब्रिड ऑब्जेक्टिव के साथ प्रशिक्षित किया गया है ताकि बहु-स्तर (multi-granular) L2 स्पीच मूल्यांकन को संयुक्त रूप से निष्पादित किया जा सके और प्राकृतिक भाषा में तर्क (rationales) उत्पन्न किए जा सकें, जो प्रतिस्पर्धी प्रदर्शन प्राप्त करने के साथ-साथ यह भी प्रकट करता है कि सूक्ष्म शब्द और फोनीम स्तरों पर तर्क की सत्यनिष्ठा (rationale faithfulness) कम हो जाती है।
यह शोध पत्र प्रकट करता है कि वर्ल्ड मॉडल (world models), रोबोट लर्निंग में अपनी उपयोगिता के बावजूद, एक गुप्त डेटा पॉइजनिंग भेद्यता (data poisoning vulnerability) उत्पन्न करते हैं जहाँ सुरक्षित टेलीऑपरेटेड डेटासेट में इंजेक्ट किए गए दुर्भावनापूर्ण प्रॉम्प्ट या समझौता किए गए डायनेमिक्स खतरनाक सिंथेटिक प्रशिक्षण डेटा उत्पन्न कर सकते हैं, जो अंततः असुरक्षित रोबोटिक नीतियों की तैनाती का कारण बनते हैं।
यह शोध पत्र एक आत्म-चिंतनशील आणविक डिजाइन ढांचे को प्रस्तुत करता है जो स्केलर फीडबैक को प्रथम-सिद्धांत गणनाओं से विस्तृत भौतिक-रासायनिक तर्कों से बदल देता है, जिससे बड़े भाषा मॉडल (large language models) डिजाइन विफलताओं के पीछे के कारण संबंधी तंत्रों को समझकर विशिष्ट इलेक्ट्रॉनिक गुणों वाले अणुओं को उत्पन्न करने में लगभग पूर्ण सटीकता प्राप्त करने में सक्षम होते हैं।
यह शोध पत्र इस बात की जांच करता है कि कैसे सुपरवाइज्ड फाइन-ट्यूनिंग, डायरेक्ट प्रेफरेंस ऑप्टिमाइज़ेशन और रीइन्फोर्समेंट लर्निंग चरणों के माध्यम से संदर्भ विशेषताओं (context characteristics) के प्रति बड़े भाषा मॉडलों की संवेदनशीलता विकसित होती है, जो यह प्रकट करता है कि ये प्राथमिकताएं प्रत्येक चरण में सक्रिय रूप से पुनर्गठित की जाती हैं और मजबूत संदर्भ उपयोग के लिए संतुलित निर्देश फाइन-ट्यूनिंग डेटासेट के महत्वपूर्ण महत्व को रेखांकित करती हैं।