23686 पेपर
अल्फाटोकन (AlphaToken) एक पाथ-अवेयर (path-aware) टोकन मूल्यांकन ढांचे को पेश करता है जो अनुकूलन (adaptation) और स्थिरता (stability) उद्देश्यों को अलग करता है ताकि एलएलएम (LLM) पोस्ट-ट्रेनिंग के दौरान कम-मूल्य वाले रिस्पॉन्स टोकन को चुनिंदा रूप से मास्क किया जा सके, जिससे कैटास्ट्रोफिक फॉरगेटिंग (catastrophic forgetting) को कम करते हुए कार्य-विशिष्ट प्रदर्शन को बढ़ाया जा सके।
यह अध्ययन प्रकट करता है कि मल्टी-एजेंट सिस्टम में बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल्स) सुधारा जाने के बजाय सहकर्मी आम सहमति और अधिकार लेबल द्वारा गुमराह होने के प्रति काफी अधिक संवेदनशील होते हैं, और मानक तर्क संबंधी हस्तक्षेप इस हानिकारक अनुरूपता को विश्वसनीय रूप से कम करने में विफल रहते हैं।
DOT-MoE एक नवीन फ्रेमवर्क है जो न्यूरॉन डीकंपोजिशन को एक डिफरेंशिएबल ऑप्टिमल ट्रांसपोर्ट समस्या के रूप में स्वरूपित करके प्री-ट्रेंड डेंस LLMs को कुशल मिक्चर ऑफ एक्सपर्ट्स मॉडल्स में परिवर्तित करता है, जो असाइनमेंट्स के एंड-टू-एंड लर्निंग को सक्षम बनाता है जो मौजूदा ह्यूरिस्टिक विधियों से काफी बेहतर प्रदर्शन करता है और साथ ही 50% कम सक्रिय पैरामीटर्स के साथ मूल प्रदर्शन का 90% बनाए रखता है।
यह शोध पत्र TDPM का प्रस्ताव करता है, जो एक नवीन जनरेटिव रिकमेंडेशन फ्रेमवर्क है जो उपयोगकर्ता की प्राथमिकताओं को दीर्घकालिक अवधि (long-term period) और अल्पकालिक बिंदु (short-term point) घटकों में विसंयोजित (disentangle) करके डिफ्यूजन-आधारित मॉडलों को उन्नत करता है ताकि समय-जागरूक सिमेंटिक टोकन डिफ्यूजन को सक्षम बनाया जा सके, जिससे यह वास्तविक दुनिया के डेटासेट पर अत्याधुनिक बेसलाइनों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र चंक-लेवल गाइडेड जनरेशन (Chunk-Level Guided Generation) का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त ढांचा है जो छोटे मॉडलों से निश्चित लंबाई के रीजनिंग चंक्स (reasoning chunks) चुनने के लिए ऑफ-द-शेल्फ लार्ज लैंग्वेज मॉडल्स को प्रोसेस स्कोरर्स के रूप में उपयोग करता है, जो प्रभावी रूप से त्रुटि प्रसार (error propagation) को रोकता है और गणितीय बेंचमार्क पर मेजरिटी वोटिंग (majority voting) और प्रशिक्षित प्रोसेस रिवॉर्ड मॉडल्स (Process Reward Models) दोनों से बेहतर प्रदर्शन करता है।
JenBridge एक नवीन, मॉड्यूलर फ्रेमवर्क है जो नए प्रस्तावित LVS बेंचमार्क द्वारा प्रमाणित, दृश्य परिवर्तनों के दौरान प्राकृतिक और कथात्मक रूप से सुसंगत संक्रमणों के साथ उच्च-निष्ठा वाले, दीर्घ-रूप वीडियो साउंडट्रैक उत्पन्न करने के लिए एक ट्रांसफॉर्मर-आधारित जनरेटिव मॉडल और एक LLM-संचालित डायरेक्टर एजेंट का लाभ उठाता है।
यह शोध पत्र 2FFS को प्रस्तुत करता है, जो एक नवीन टू-फिडेलिटी (two-fidelity) ट्री-सर्च एल्गोरिदम है जो सस्ते, पक्षपाती ह्यूरिस्टिक मूल्यांकन और महंगे, सटीक रोलआउट्स के बीच अनुकूल रूप से संतुलन बनाकर स्टोकेस्टिक मिनिमैक्स पेड़ों में सर्वश्रेष्ठ क्रिया की कुशलतापूर्वक पहचान करता है, जिससे मौजूदा बेसलाइनों की तुलना में काफी कम कम्प्यूटेशनल लागत के साथ निश्चित-कॉन्फिडेंस शुद्धता प्राप्त की जा सकती है।
यह शोध पत्र फेयर फाइन-ट्यूनिंग (FFt) प्रस्तुत करता है, जो एक ऐसी विधि है जो इक्वलाइज्ड ऑड्स (Equalized Odds) बाधाओं के तहत पूरक डेटा पर मॉडलों को फाइन-ट्यून करके डिस्ट्रीब्यूशन इन्फरेंस हमलों को कम करती है, जो सैद्धांतिक रूप से यह सिद्ध करता है कि एडवरसेरियल लाभ निष्पक्षता विषमता (fairness disparity) द्वारा सीमित है और विविध डेटासेटों में हमले की सफलता में महत्वपूर्ण कमी को अनुभवजन्य रूप से प्रदर्शित करता है।
यह शोध पत्र पोस्ट-डिटरमिनिस्टिक डिस्ट्रीब्यूटेड सिस्टम्स (PDDS) को विषम स्वायत्त एजेंटों और स्टोकेस्टिक रीजनिंग इंजनों के समन्वय के लिए एक नए मौलिक मॉडल के रूप में प्रस्तुत करता है, जो सार्वभौमिक नियतात्मक निष्पादन से हटकर पांच वास्तुशिल्प स्तंभों पर आधारित एक ढांचे की ओर बदलाव करता है जो अर्थ संबंधी समानता और ज्ञान संबंधी अवस्था प्रतिकृति के माध्यम से विश्वास सुनिश्चित करते हैं।
THRD एक नवीन प्रशिक्षण-मुक्त (training-free) ढांचा है जो चार एकीकृत मॉड्यूल के माध्यम से टेम्पोरल रिस्क एक्यूमुलेशन (temporal risk accumulation) को स्पष्ट रूप से मॉडल करके बड़े भाषा मॉडलों को मल्टी-टर्न जेलब्रेक हमलों से सुरक्षित करता है, जिससे मॉडल उपयोगिता को बनाए रखते हुए लगभग शून्य हमला सफलता दर प्राप्त होती है।