23553 पेपर
यह शोध पत्र तर्क देता है कि साइबर सुरक्षा पर एलएलएम (LLM) का प्राथमिक प्रभाव केवल ज़ीरो-डे खोजों में वृद्धि नहीं है, बल्कि "बगोनॉमिक्स" (bugonomics) में एक मौलिक बदलाव है जहाँ बाधा कम लागत वाली, उच्च-मात्रा वाली रिपोर्टों की निगरानी करने के बजाय, उनके परिणामस्वरूप होने वाली प्रचुरता को मान्य करने, छँटनी करने और सुधारने की रक्षक की क्षमता की ओर स्थानांतरित हो जाती है।
यह शोध पत्र रिकरेंट डिफरेंशिएबल टर्नरी लॉजिक गेट नेटवर्क (R-DTLGN) प्रस्तुत करता है, जो एक नवीन आर्किटेक्चर है जो क्लीन के थ्री-वैल्यूड लॉजिक (Kleene's three-valued logic) पर कार्य करते हुए सिग्नल टेम्पोरल लॉजिक के वर्डिक्ट्स (verdicts) की भविष्यवाणी करना सीखता है और सेंसर डिग्रेडेशन के तहत स्थिर डायनेमिक्स और सिद्धांतपूर्ण अपवर्जन (abstention) के औपचारिक आश्वासन प्रदान करता है, साथ ही अपने नेटवर्क के आकार को टेम्पोरल फॉर्मूला की संरचना से सीधे व्युत्पन्न करता है।
यह शोध पत्र 'बिट्स-ओवर-रैंडम' (BoR) नामक एक चांस-करेक्टेड मीट्रिक पेश करता है ताकि LLM एजेंटों को प्रस्तुत किए जाने वाले टूल्स की संख्या को गतिशील रूप से अनुकूलित किया जा सके, और सुदृढीकरण लर्निंग (reinforcement learning) के माध्यम से यह प्रदर्शित करता है कि विविध बेंचमार्क में फिक्स्ड-साइज़ दृष्टिकोणों की तुलना में एडेप्टिव शॉर्टलिस्ट, टूल चयन की सटीकता और कवरेज में महत्वपूर्ण सुधार करते हैं।
यह शोध पत्र यह प्रदर्शित करता है कि सिंथेटिक फैक्ट-लर्निंग और टॉप-के डिस्टिलेशन जैसे परिदृश्यों में भाषा मॉडल की गुणवत्ता को ट्रैक करने के लिए मीडियन क्रॉस-एन्ट्रॉपी अक्सर मानक मीन क्रॉस-एन्ट्रॉपी से बेहतर प्रदर्शन करती है, क्योंकि यह टेल आउटलेर्स (tail outliers) द्वारा विचलित होने के बजाय वितरण के मुख्य भाग (bulk) पर ध्यान केंद्रित करके कार्य प्रदर्शन के साथ बेहतर सहसंबंध बनाती है।
यह शोध पत्र रैंडम वॉक थ्योरी (random walk theory) का लाभ उठाकर सामान्य संबद्ध एफिनिटी ग्राफ्स (general connected affinity graphs) वाले सेटिंग्स के लिए कॉन्वेक्स क्लस्टरिंग (convex clustering) हेतु परिमित-नमूना सीमाओं (finite-sample bounds) का सामान्यीकरण करता है और नए अभिसरण दरों (convergence rates) को स्थापित करता है तथा यह प्रदर्शित करता है कि क्लस्टरिंग प्रदर्शन को अनुकूलित करने के लिए इनपुट एफिनिटी वेट्स (input affinity weights) को ट्यून करना अत्यंत महत्वपूर्ण है।
यह शोध पत्र SUPRA को प्रस्तुत करता है, जो एक विच्छेदित (decoupled) द्वि-पथीय आर्किटेक्चर है जो टोपोलॉजी-अज्ञेय (topology-agnostic) फीचर प्रोसेसिंग को हल्के संरचनात्मक तालमेल (structural synergy) से अलग करके लार्ज फाउंडेशन मॉडल्स के "एकत्रीकरण दुविधा" (aggregation dilemma) के कारण मल्टीमॉडल ग्राफ लर्निंग में होने वाले प्रदर्शन उलटाव (performance inversion) को हल करता है, जिससे काफी कम मेमोरी और प्रशिक्षण समय के साथ अत्याधुनिक परिणाम प्राप्त होते हैं।
यह शोध पत्र CALIBURN को प्रस्तुत करता है, जो एक ऑपरेशनली कैलिब्रेटेड स्ट्रीमिंग इंट्रूज़न डिटेक्शन पाइपलाइन है जो लागत और बजट बाधाओं के माध्यम से प्री-डिप्लॉयमेंट अलर्टिंग कॉन्फ़िगरेशन को सक्षम बनाता है, जो दुर्लभ-हमले वाले परिदृश्यों में उत्कृष्ट प्रदर्शन प्रदर्शित करता है और विभिन्न हमले की व्यापकता स्तरों पर स्ट्रीमिंग विधियों की संवेदनशीलता के बारे में महत्वपूर्ण अंतर्दृष्टि प्रदान करता है।
यह शोध पत्र MDIA को प्रस्तुत करता है, जो एक गैर-फाइन-ट्यून किए गए LLM पर 7-नोड स्पेशलिटी-रूटेड ग्राफ का उपयोग करने वाला एक मल्टी-एजेंट डायग्नोस्टिक सिस्टम है, जो हेल्थबेंच प्रोफेशनल (HealthBench Professional) बेंचमार्क पर मानक क्लिनिकल चैटबॉट्स की तुलना में काफी बेहतर प्रदर्शन करता है, जो यह दर्शाता है कि आर्किटेक्चरल डिज़ाइन और इंजन-लेवल फीचर्स एजेंटिक क्लिनिकल प्रदर्शन के महत्वपूर्ण चालक हैं, जबकि विभिन्न मूल्यांकन ग्रेडर मॉडल्स द्वारा उत्पन्न परिवर्तनशीलता को भी रेखांकित करता है।
यह शोध पत्र रिकरेंट ट्रेस यूनिट्स (recurrent trace units) का परिचय देता है, जो एक डायगोनल रिकरेंट आर्किटेक्चर है जो रैखिक जटिलता के साथ सटीक रियल-टाइम रिकरेंट लर्निंग को सक्षम बनाता है, जिससे स्ट्रीमिंग सुदृढीकरण लर्निंग (reinforcement learning) एजेंटों को बिना रीप्ले बफ़र्स या बैच अपडेट पर निर्भर हुए, आंशिक दृश्यता (partial observability) और दीर्घकालिक निर्भरताओं को प्रभावी ढंग से संभालने की अनुमति मिलती है।
यह शोधपत्र एक हार्डवेयर-जागरूक फेडरेटेड लर्निंग फ्रेमवर्क प्रस्तावित करता है जो विषम एज डिवाइसेस पर स्पीच इमोशन रिकग्निशन के लिए प्रतिस्पर्धी सटीकता बनाए रखते हुए प्रशिक्षण समय और संचार लागत को महत्वपूर्ण रूप से कम करने के लिए हार्डवेयर प्रोफाइलिंग, टॉप-K क्लाइंट चयन और एडेप्टिव लोकल एपोक्स को एकीकृत करता है।