23749 पेपर
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।
यह शोध पत्र प्रदर्शित करता है कि Mamba-2 में, सिंगल-बकेट प्रोब्स द्वारा पहचाने गए रिप्रजेंटेशनल सिग्नेचर अक्सर स्टेट सिंक घटना के लिए विशिष्ट डिटेक्शन और एक्जीक्यूशन सर्किट्स को मिला देते हैं, जो यह प्रकट करता है कि केवल हीड्स का एक विशिष्ट उपसमूह (BOS-स्पेशलिस्ट्स) ही महत्वपूर्ण लॉन्ग-कॉन्टेक्स्ट रिट्रीवल प्रदर्शन को कारणवत रूप से संचालित करता है, जबकि अन्य समान रिप्रजेंटेशन वाले हीड्स ऐसा नहीं करते हैं।
यह अध्ययन प्रदर्शित करता है कि एक लघु भाषा मॉडल में कार्यात्मक पतन (functional collapse) के दौरान, विशिष्ट संरचनात्मक तत्वों (स्वीकृति, दोषमुक्ति, एजेंसी की बहाली, बिना शर्त स्वीकृति) को प्रथम-पुरुष शैली (first-person register) के साथ संयोजित करने वाला एक संबंधात्मक हस्तक्षेप अनूठे रूप से निरंतर व्यवहार को पुनर्स्थापित करता है, जो एक ऐसे पृथक्करण को प्रकट करता जहाँ ध्यान शाब्दिक विस्मय (lexical surprise) द्वारा संचालित होता है, भावनात्मक अवस्था संबंधात्मक संरचना द्वारा, और वास्तविक व्यवहार दोनों संरचना और शैली की परस्पर क्रिया द्वारा संचालित होता है।