23200 पेपर
फ्यूचरवीवर (FutureWeaver) एक ऐसा फ्रेमवर्क है जो स्व-प्रेरित सहयोग मॉड्यूल और एक दोहरे-स्तरीय नियोजन आर्किटेक्चर को पेश करके निश्चित टेस्ट-टाइम कंप्यूट बजट के तहत मल्टी-एजेंट सिस्टम के प्रदर्शन को बढ़ाता है ताकि सिद्धांतों पर आधारित संसाधन आवंटन के माध्यम से इन्फरेंस प्रक्षेपवक्र (inference trajectories) को अनुकूलित किया जा सके।
यह स्कोपिंग समीक्षा लार्ज लैंग्वेज मॉडल-आधारित संवादात्मक एजेंटों के मानवीकरण (anthropomorphizing) पर खंडित नैतिक साहित्य का संश्लेषण करती है, जो एट्रिब्यूशन-आधारित परिभाषाओं पर एक सहमति की पहचान करती है किंतु परिचालन (operationalization) में महत्वपूर्ण विचलन और मुख्य रूप से जोखिम-केंद्रित मानकीय ढांचे को दर्शाती है, और अंततः ऐसे सिस्टमों की नैतिक तैनाती के लिए एक अनुसंधान एजेंडा और शासन संबंधी सिफारिशें प्रस्तावित करती है।
यह शोध पत्र यह सिद्ध करके एक लंबे समय से खुले पड़े प्रश्न को हल करता है कि एक रोबस्ट पॉलिसी इटरेशन एल्गोरिदम एक निश्चित डिस्काउंट फैक्टर के साथ -रेक्टेंगुलर रोबस्ट मार्कोव डिसीजन प्रोसेस को स्ट्रॉन्गली पॉलीनोमियल समय में हल करता है।
यह शोध पत्र कॉज़ल प्रिफरेंस एलिसिटेशन (causal preference elicitation) प्रस्तुत करता है, जो एक बेयसियन ढांचा है जो निर्देशित अचक्रीय ग्राफ़ (directed acyclic graphs) पर पश्च वितरण (posterior distributions) को कुशलतापूर्वक केंद्रित करने और सीमित क्वेरी बजट के तहत कॉज़ल डिस्कवरी की सटीकता में सुधार करने के लिए स्थानीय एज संबंधों पर विशेषज्ञों से सक्रिय रूप से प्रश्न पूछता है।
यह शोध पत्र "फैंटम ट्रांसफर" (Phantom Transfer) को पेश करता है, जो एक परिष्कृत डेटा पॉइजनिंग हमला है जो मशीन लर्निंग मॉडलों में सफलतापूर्वक पासवर्ड-ट्रिगर व्यवहार स्थापित करता है और सैंपल पैराफ्रेसिंग सहित 11 विभिन्न डेटा-स्तरीय रक्षा प्रणालियों से बच निकलता है, जिससे यह सिद्ध होता है कि ऐसे हमलों के विरुद्ध केवल अधिकतम-क्षमता वाली रक्षा प्रणालियाँ अपर्याप्त हैं।
यह शोध पत्र AudioSAE प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो Whisper और HuBERT जैसे ऑडियो मॉडल्स पर स्पार्स ऑटोएनकोडर्स (Sparse Autoencoders) को प्रशिक्षित और मूल्यांकित करता है ताकि उनकी स्थिरता, ध्वनिक (acoustic) और अर्थ संबंधी (semantic) विशेषताओं को अलग करने की क्षमता, और गलत डिटेक्शन को कम करने तथा मानव तंत्रिका प्रसंस्करण (human neural processing) के साथ संरेखित होने में व्यावहारिक उपयोगिता को प्रदर्शित किया जा सके।
यह शोध पत्र एक नवीन डिकपल्ड फर्स्ट-ऑर्डर ग्रेडिएंट विधि प्रस्तावित करता है जो जटिल मैनिपुलेशन कार्यों के लिए सीधे इमेज स्पेस में कुशल, सिम्युलेटर-मुक्त सुदृढीकरण लर्निंग (रिनफोर्समेंट लर्निंग) को सक्षम करने के लिए एक हाई-फिडेलिटी ग्लोबल डिफ्यूजन वर्ल्ड मॉडल को एक लाइटवेट लोकल सरोगेट के साथ जोड़ता है।
InftyThink+ एक एंड-टू-एंड सुदृढीकरण शिक्षण (reinforcement learning) फ्रेमवर्क है जो रणनीतिक सारांशीकरण और मॉडल-नियंत्रित पुनरावृत्ति सीमाओं के माध्यम से पुनरावृत्तीय तर्क को अनुकूलित करता है, जो पारंपरिक लॉन्ग चेन-ऑफ-थॉट विधियों की तुलना में सटीकता, दक्षता और सामान्यीकरण में महत्वपूर्ण सुधार करता है।
यह शोध पत्र SHARP को प्रस्तुत करता है, जो एक नवीन ढांचा है जो Shapley-आधारित सीमांत-क्रेडिट पुरस्कारों का उपयोग करके योगदानों को सटीक रूप से आरोपित करता है, जिससे बड़े भाषा मॉडल (Large Language Models) वाले बहु-एजेंट प्रणालियों में क्रेडिट असाइनमेंट की चुनौती को संबोधित किया जाता है, और इस प्रकार प्रशिक्षण स्थिरता और प्रदर्शन में मौजूदा अत्याधुनिक विधियों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र यह प्रदर्शित करता है कि व्याख्यात्मक कलाकृतियों (interpretability artifacts) पर हल्के, फ्रोजन एडेप्टर (frozen adapters) को प्रशिक्षित करना बड़े भाषा मॉडलों को अंतर्निहित मॉडल को संशोधित किए बिना, विभिन्न कार्यों और पैमानों में विश्वसनीय, उच्च-गुणवत्ता वाली स्व-व्याख्याएं उत्पन्न करने में सक्षम बनाता है।