23200 पेपर
यह अध्ययन जापानी NVAL डेटाबेस का उपयोग करते हुए एक नियामक-अनुपालन, अनसुपरवाइज्ड फ्रेमवर्क प्रस्तुत करता है जो विशिष्ट, जैविक रूप से सार्थक क्रॉस-स्पीशीज विषाक्तता पैटर्न और ड्रग क्लस्टर्स को सफलतापूर्वक पहचानने में सक्षम है, जिससे जापान में पशु चिकित्सा फार्माकोविजिलेंस की व्याख्यात्मकता और स्केलेबिलिटी को बढ़ाया जा सके।
यह शोध पत्र औपचारिक सत्यापन (formal verification) और संदर्भ पुनर्प्राप्ति (context retrieval) उपकरणों से सुसज्जित LLMs का बेंचमार्किंग करता है, जो यह प्रदर्शित करता है कि एजेंटिक आर्किटेक्चर जटिल कंप्यूटर नेटवर्क मिसकॉन्फ़िगरेशन को सुधारने की प्रभावकारिता और सुरक्षा दोनों में बेस मॉडल्स की तुलना में काफी बेहतर प्रदर्शन करते हैं।
यह शोध पत्र मौजूदा एकल-कार्य नियंत्रण विधियों की सीमाओं को सैद्धांतिक विश्लेषण और व्यापक प्रयोगों के माध्यम से संबोधित करते हुए, शुद्धता बनाए रखते हुए LLM-जनित कोड की पठनीयता बढ़ाने के लिए एक मल्टीटास्क रिप्रेजेंटेशन इंजीनियरिंग फ्रेमवर्क प्रस्तावित करता है।
यह शोध पत्र टॉर्क अडैप्टेशन मॉड्यूल (TAM) को प्रस्तुत करता है, जो एक सीखा हुआ घटक है जो केवल प्रोप्रियोसेप्टिव इतिहास के आधार पर टॉर्क कमांड को अनुकूलित करके विभिन्न रोबोटों और पेलोडों के बीच डायनेमिक मैनिपुलेशन पॉलिसियों के सुदृढ़ ज़ीरो-शॉट ट्रांसफर को सक्षम बनाता है, जिससे पॉलिसी-स्तरीय डोमेन रैंडमाइजेशन या रियल-रोबोट डेटा संग्रह की आवश्यकता समाप्त हो जाती है।
यह शोध पत्र यह प्रदर्शित करता है कि LLM एजेंटों के लिए प्रभावी सुरक्षा निगरानी हेतु एक संदर्भ-कैलिब्रेटेड (context-calibrated) दृष्टिकोण की आवश्यकता होती है जो लेटेंट रिस्की पॉलिसी स्टेट्स (latent risky policy states) और तत्काल एक्सप्लॉइट एक्शन्स (immediate exploit actions) के बीच अंतर करने के लिए रिवॉर्ड-हैक एक्टिवेशन स्कोर्स को टोकन-लेवल एंट्रॉपी और डिसीजन-कॉन्टेक्स्ट फीचर्स के साथ जोड़ता है, जिससे अधिक सटीक जोखिम अनुमान और लक्षित शमन (targeted mitigation) सक्षम होता है।
यह शोध पत्र Shallow-RHS का प्रस्ताव करता है, जो एक असममित ग्राफ आर्किटेक्चर है जो Tubi के अनुशंसा तंत्र (रिकमेंडेशन सिस्टम) में कोल्ड-स्टार्ट चुनौतियों का समाधान करता है, जिसमें एक कंटेंट एनकोडर को इंटरेक्शन हिस्ट्री पर निर्भर किए बिना आंतरिक विशेषताओं को सीधे कोलैबोरेटिव-फिल्टरिंग-जागरूक एम्बेडिंग स्पेस में मैप करने के लिए प्रशिक्षित किया जाता है, जिससे नए आइटम और डिवाइस के लिए तत्काल रिट्रीवल सक्षम होता है।
यह शोध पत्र ReLAT को प्रस्तुत करता है, जो एक स्व-पर्यवेक्षित (self-supervised) टेस्ट-टाइम ट्रेनिंग पद्धति है जो मध्यवर्ती लेटेंट अवस्थाओं (intermediate latent states) से मूल क्वेरी को पुनर्गठित करके लेटेंट रीजनिंग में सुधार करती है ताकि यह सुनिश्चित किया जा सके कि कार्य-प्रासंगिक जानकारी संरक्षित रहे, जिससे गणितीय, ज्ञान और कोड जनरेशन बेंचमार्क पर प्रदर्शन में उल्लेखनीय वृद्धि होती है।
यह शोध पत्र गैर-अचक्रीय (non-acyclic) जेनेरेटिव फ्लो नेटवर्क्स (GFlowNets) और इष्टतम परिवहन (optimal transport) के बीच एक सैद्धांतिक संबंध स्थापित करता है, यह प्रदर्शित करते हुए कि एक न्यूनतम-प्रवाह (minimum-flow) GFlowNet में प्रारंभिक प्रवाह वितरण को स्थिर करने से इसका उद्देश्य कांतोरोविच इष्टतम परिवहन समस्या में परिवर्तित हो जाता है, जिससे नेटवर्क बड़े ग्राफों पर इष्टतम परिवहन योजनाओं को सीखने और नमूना लेने में सक्षम होता है।
यह शोध पत्र TRACE का प्रस्ताव करता है, जो मल्टीमॉडल टाइम सीरीज़ फाउंडेशन मॉडल्स के लिए एक कंडीशनल एस्टीमेशन प्रतिमान (paradigm) है, जो टेम्पोरल मिसअलाइनमेंट और आंशिक मोडैलिटी की कमी को संबोधित करने के लिए उपलब्ध ऑक्जिलरी (auxiliary) मोडैलिटीज से अपूर्ण टारगेट मोडैलिटीज का व्यवस्थित रूप से अनुमान लगाता है, और मौजूदा दृष्टिकोणों की तुलना में हेल्थकेयर और अफेक्टिव कंप्यूटिंग बेंचमार्क पर बेहतर मजबूती और प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र PropMe और SimpleTrace को पेश करता है ताकि यह प्रदर्शित किया जा सके कि जबकि लार्ज लैंग्वेज मॉडल्स (LLMs) प्रतिकूल हमलों (adversarial attacks) के तहत प्रशिक्षण डेटा को पुनरुत्पादित करने की क्षमता रखते हैं, वे सामान्य, गैर-प्रतिकूल सेटिंग्स में ऐसा करने की काफी कम प्रवृत्ति प्रदर्शित करते हैं, जो यह सुझाव देता है कि मेमोराइजेशन ऑडिट को सबसे खराब स्थिति वाली निष्कर्षण क्षमता (worst-case extractability) और विशिष्ट रिसाव प्रवृत्ति (typical leakage propensity) दोनों की रिपोर्ट करनी चाहिए।