23200 पेपर
यह शोध पत्र सेलेक्टिव एब्स्ट्रैक्शन (Selective Abstraction) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो अनिश्चित परमाणु दावों (atomic claims) को कम विशिष्ट, उच्च-विश्वास वाले अमूर्तीकरणों (abstractions) से बदलकर दीर्घ-रूप (long-form) एलएलएम जनरेशन की विश्वसनीयता को बढ़ाता है, जिससे प्रतिक्रिया की समग्र सूचनात्मक सामग्री को संरक्षित करते हुए सटीकता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एक सैद्धांतिक रूप से आधारित, अनुकूलन योग्य ढांचे का प्रस्ताव करता है जो सीमित बजट और लुप्त डेटा के तहत जनसंख्या-स्तरीय प्रतिक्रिया भविष्यवाणी में सुधार करने के लिए, प्रश्नों और उत्तरदाताओं दोनों को गतिशील रूप से चुनने हेतु LLM-आधारित प्रश्न स्कोरिंग को हेट्रोजेनियस ग्राफ न्यूरल नेटवर्क प्रसार के साथ जोड़ता है।
यह शोध पत्र एआई एजेंट विश्वसनीयता का समग्र मूल्यांकन करने के लिए चार आयामों—निरंतरता, मजबूती, पूर्वानुमान क्षमता और सुरक्षा—में बारह मेट्रिक्स का एक ढांचा प्रस्तावित करता है, जो यह प्रकट करता है कि हालिया क्षमता सुधारों ने वास्तविक परिचालन विश्वसनीयता में केवल मामूली लाभ ही दिए हैं।
CodeHacker एक स्वचालित एजेंट फ्रेमवर्क है जो लक्षित प्रतिकूल परीक्षण मामले (adversarial test cases) उत्पन्न करने के लिए एक बहु-रणनीति दृष्टिकोण और एक स्व-अंशांकन चरण (self-calibration phase) को नियोजित करके कोड जनरेशन मॉडल्स के मूल्यांकन को बढ़ाता है, जो प्रतिस्पर्धी प्रोग्रामिंग समाधानों में कमजोरियों को प्रभावी ढंग से उजागर करता है और बेंचमार्क डेटासेट एवं RL-प्रशिक्षित मॉडल्स दोनों की मजबूती में सुधार करता है।
KnapSpec एक ट्रेनिंग-फ्री सेल्फ-स्पेक्टुलेटिव डिकोडिंग फ्रेमवर्क है जो हार्डवेयर-विशिष्ट लैटेंसी और कॉन्टेक्स्ट लेंथ के आधार पर ड्राफ्ट मॉडल कॉन्फ़िगरेशन को डायनामिक रूप से ऑप्टिमाइज़ करके इन्फरेंस थ्रूपुट को मैक्सिमाइज़ करने के लिए एडेप्टिव लेयर सिलेक्शन को नैपसैक (knapsack) समस्या के रूप में पुनर्गठित करता है।
यह शोध पत्र लेटेंट लाप्लास डिफ्यूजन (LLapDiff) प्रस्तुत करता है, जो एक ऐसा जनरेटिव फ्रेमवर्क है जो लाप्लास-डोमेन पैरामीट्राइजेशन और स्टोकेस्टिक पोर्ट-हैमिल्टोनियन डायनेमिक्स का उपयोग करके एक निम्न-आयामी लेटेंट स्पेस में लक्षित प्रक्षेप पथों (टारगेट ट्रेजेक्टरीज) को मॉडल करके अनियमित बहुभिन्निकीय समय श्रृंखला पूर्वानुमान की चुनौतियों का समाधान करता है, ताकि स्टेप-बाय-स्टेप इंटीग्रेशन के बिना स्थिर, हॉरिजन-वाइड जनरेशन सक्षम किया जा सके।
यह शोध पत्र डमिट और फूट के पाठ्यपुस्तक से 430 औपचारिक स्नातक-स्तरीय बीजगणित (algebra) समस्याओं के एक डेटासेट, Lean-GAP, के साथ-साथ उनके निर्माण के लिए एक स्केलेबल पाइपलाइन और अनौपचारिक गणित को लीन 4 (Lean 4) प्रूफ़ असिस्टेंट में अनुवाद करने में शामिल चुनौतियों और बाधाओं के विश्लेषण को प्रस्तुत करता है।
यह शोध पत्र StenCE को प्रस्तुत करता है, जो एक क्रॉस-मोडल कंट्रास्टिव लर्निंग फ्रेमवर्क है जो एंजियोग्राफी का लाभ उठाकर ECG मॉडल्स को प्रीट्रेन करता है, जिससे प्रारंभिक निदान के लिए गैर-आक्रामक (non-invasive) ECG संकेतों से गंभीर कोरोनरी आर्टरी स्टेनोसिस का पहला उच्च-प्रदर्शन डिटेक्शन सक्षम होता है।
ReLoRA एक ज्ञान-पुन:उपयोग करने वाला ढांचा (framework) है जो अनुकूलता-जागरूक आरंभीकरण (compatibility-aware initialization) के लिए बेयसियन अनुकूलन (Bayesian optimization) और तीव्र फाइन-ट्यूनिंग के लिए शेड्यूल्ड रेगुलेराइजेशन (scheduled regularization) का उपयोग करके विकसित होते लार्ज लैंग्वेज मॉडल सेवाओं के लिए कार्य-विशिष्ट लोरा (LoRA) एडेप्टर को कुशलतापूर्वक पुनर्स्थापित करता है, जिससे मौजूदा बेसलाइन की तुलना में पुन: अनुकूलन समय काफी कम हो जाता है और सटीकता में सुधार होता है।
यह शोध पत्र ज्योमेट्री-अवेयर टैबुलर डिफ्यूजन (GATD) को प्रस्तुत करता है, जो एक ऐसी विधि है जो स्पष्ट युग्वतीय ज्यामितीय संबंधों (कोणों और लंबाई) को सहायक पर्यवेक्षण के रूप में शामिल करके टैबुलर डेटा संश्लेषण को उन्नत करती है, जिससे काफी कम मापदंडों के साथ अत्याधुनिक प्रदर्शन प्राप्त होता है और यह प्रदर्शित होता है कि यह संबंधात्मक इंडक्टिव बायस विभिन्न डिफ्यूजन आर्किटेक्चर में एक पोर्टेबल सुधार है।