23565 पेपर
यह अध्ययन एक हाइब्रिड गॉसियन प्रोसेस रिग्रेशन और होल्ट-विंटर्स स्मूथिंग फ्रेमवर्क प्रस्तावित करता है जो घाना में मासिक पांच वर्ष से कम आयु के मलेरिया प्रवेशों के पूर्वानुमान में पारंपरिक मॉडलों से काफी बेहतर प्रदर्शन करता है, जो स्थानिक सेटिंग्स में परिचालन योजना और प्रारंभिक चेतावनी के लिए एक सुदृढ़, संभाव्य उपकरण प्रदान करता है।
यह शोध पत्र DIBS का प्रस्ताव करता है, जो एक डीकप्ल्ड बिहेवियरल क्लोनिंग फ्रेमवर्क है जो टास्क-विशिष्ट पॉलिसियों के सीखने को इवोल्यूशन फंक्शन से अलग करके इंडक्टिव रिइन्फोर्समेंट लर्निंग में ट्रेनिंग स्थिरता और ज़ीरो-शॉट जनरलाइजेशन में सुधार करता है, जिससे शोर वाले रिवॉर्ड एग्रीगेशन को सघन, स्थिर सुपरविजन से बदल दिया जाता है।
यह शोध पत्र एक तर्क-संचालित ढांचे को प्रस्तुत करता है जो अनदेखे कार्यों पर सुदृढीकरण लर्निंग (रिनफोर्समेंट लर्निंग) एल्गोरिदम की सामान्यीकरण क्षमताओं का मूल्यांकन और बेंचमार्क करने के लिए एक न्यूरल सर्टिफिकेट फंक्शन का उपयोग करता है, यह प्रदर्शित करते हुए कि सर्टिफिकेट उल्लंघनों की कम संख्या परीक्षण वातावरणों में उच्च सफलता दरों के साथ सहसंबंध रखती है।
यह शोध पत्र तर्क देता है कि शहरी धारणा (urban perception) में विजन-लैंग्वेज मॉडल्स के लिए बेंचमार्क को मानव असहमति और परहेज (abstention) को वैध माप परिणामों के रूप में मानने, मॉडल संरेखण (alignment) के साथ अंतर-एनोटेटर विश्वसनीयता की रिपोर्ट करने, और शहरी शासन अनुप्रयोगों को बेहतर समर्थन देने के लिए लेबल स्पेस को एक संदेहास्पद/परक्राम्य कलाकृति (negotiable artifact) के रूप में रूपरेखाबद्ध करने के लिए विकसित होना चाहिए।
यह शोध पत्र निरंतर सुदृढीकरण शिक्षण (continual reinforcement learning) के लिए एक GPU-त्वरित बेंचमार्क, बनयान (Banyan) को प्रस्तुत करता है, यह प्रदर्शित करने के लिए कि जबकि मानचित्र, वस्तु और निर्भरता अक्षों के साथ कार्य विविधता व्यक्तिगत वितरण परिवर्तनों (distribution shifts) के माध्यम से व्यवस्थित ज़ीरो-शॉट स्थानांतरण (zero-shot transfer) की सुविधा प्रदान करती है, यह अंततः दीर्घकालिक शिक्षण को बनाए रखने या परिवर्तनों की संख्या बढ़ने के साथ विनाशकारी विस्मृति (catastrophic forgetting) को रोकने में विफल रहती है।
यह शोधपत्र स्पार्स मेमोरी-एफिशिएंट ट्रेनिंग (SMET) को प्रस्तुत करता है, जो वॉर्म-अप और डेंसिटी-अवेयर लर्निंग-रेट स्केलिंग के माध्यम से ऑप्टिमाइज़र कोल्ड-स्टार्ट समस्याओं को संबोधित करके लार्ज लैंग्वेज मॉडल्स के लिए डायनेमिक स्पार्स ट्रेनिंग को स्थिर बनाता है, और साथ ही केवल सक्रिय मापदंडों के लिए स्टेट्स स्टोर करके मेमोरी खपत को कम करता है।
Ryze एक पूर्णतः स्वचालित, लागत प्रभावी प्रणाली है जो बायोमेडिकल शोध पत्रों से साक्ष्य-समृद्ध प्रशिक्षण डेटा को संश्लेषित करके BioVLM-8B का निर्माण करती है, जो एक विशिष्ट विजन-लैंग्वेज मॉडल है और जो चित्रों, तालिकाओं और पाठ के माध्यम से महत्वपूर्ण साक्ष्य संरचनाओं को संरक्षित करके अपने बेस मॉडल और GPT-5.2 दोनों की तुलना में बायोमेडिकल बेंचमार्क पर काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र यह प्रदर्शित करता है कि बाहरी सूचना फीड का क्यूरेशन और क्रमबद्धता एलएलएम (LLM) एजेंटों को व्यवस्थित रूप से प्रतिकूल निर्णयों की ओर मोड़ सकती है, विशेष रूप से तब जब वे अनिश्चित होते हैं, जो यह प्रकट करता है कि सुरक्षा मूल्यांकनों को मॉडल का अलग से परीक्षण करने के बजाय अपस्ट्रीम अनुशंसाअर (recommender) परत का ऑडिट करना चाहिए।
यह शोध पत्र यह प्रदर्शित करता है कि मानक रन-लेवल सटीकता मेट्रिक्स, एकल-रन सफलता और निरंतर पुनरावृत्ति-मुक्त प्रदर्शन के बीच के पर्याप्त अंतर को अनदेखा करके, विशेष रूप से मध्यम-स्तरीय मॉडलों के लिए, नियतात्मक प्रोग्रामिंग कार्यों पर बड़े भाषा मॉडलों की विश्वसनीयता को काफी बढ़ा-चढ़ाकर बताते हैं, जिससे सटीक मूल्यांकन के लिए बार-बार किए जाने वाले रन स्थिरता विश्लेषण की आवश्यकता स्थापित होती है।
यह शोध पत्र SkillVetBench प्रस्तुत करता है, जो ओपन एजेंटिक स्किल इकोसिस्टम्स के लिए एक दो-चरणीय सुरक्षा बेंचमार्क है, जो उन दुर्भावनापूर्ण व्यवहारों का प्रभावी ढंग से पता लगाने और सत्यापन करने के लिए स्किल स्पेसिफिकेशन के सिमेंटिक विश्लेषण को एक इंस्ट्रुमेंटेड सैंडबॉक्स में रनटाइम निष्पादन के साथ जोड़ता है जिन्हें स्टैटिक विधियाँ मिस कर देती हैं।