23609 पेपर
यह शोध पत्र TABX को प्रस्तुत करता है, जो एक उच्च-थ्रूपुट, JAX-आधारित सैंडबॉक्स सिम्युलेटर है जो अत्यधिक पुनर्गठनीय युद्ध परिदृश्यों के माध्यम से सहयोगात्मक मल्टी-एजेंट सुदृढीकरण लर्निंग (multi-agent reinforcement learning) में स्केलेबल, मॉड्यूलर और हार्डवेयर-त्वरित अनुसंधान को सक्षम बनाता है।
यह शोध पत्र Cuttlefish को पेश करता है, जो एक एकीकृत मल्टीमॉडल (multimodal) LLM है जो एक स्केलिंग-अवेयर पैचिंग (Scaling-Aware Patching) तंत्र के माध्यम से क्वेरी टोकन को संरचनात्मक जटिलता के आधार पर अनुकूल रूप से स्केल करके संरचना-आधारित तर्क (structure-grounded reasoning) को बढ़ाता है और मॉडल में स्पष्ट ज्यामितीय संकेतों (geometric cues) को इंजेक्ट करने के लिए एक ज्योमेट्री ग्राउंडिंग एडॉप्टर (Geometry Grounding Adapter) का उपयोग करके मतिभ्रम (hallucinations) को कम करता है।
यह शोध पत्र MaMa को प्रस्तुत करता है, जो एक गेम-थ्योरेटिक एल्गोरिदम है जो कार्य प्रदर्शन को बनाए रखते हुए, सबसे खराब स्थिति वाले एजेंट समझौते के विरुद्ध मजबूत सुरक्षा बनाए रखने के लिए LLM-आधारित एडवर्सरियल सर्च का लाभ उठाकर मल्टी-एजेंट सिस्टम को स्वचालित रूप से डिजाइन करता है।
यह शोधपत्र ArcMark को प्रस्तुत करता है, जो लार्ज लैंग्वेज मॉडल्स के लिए एक नवीन डिस्टॉर्शन-मुक्त मल्टी-बाइट वॉटरमार्किंग फ्रेमवर्क है, जो टेक्स्ट के आउटपुट डिस्ट्रीब्यूशन या गुणवत्ता को बदले बिना उसमें पर्याप्त सूचना को विश्वसनीय रूप से एम्बेड करने के लिए ऑप्टिमल ट्रांसपोर्ट और इन्फॉर्मेशन-थ्योरेटिक चैनल कोडिंग सिद्धांतों का लाभ उठाता है।
यह शोध पत्र सब-गॉसियन (sub-Gaussian) फीचर धारणाओं के तहत अज्ञात सर्वाइवल सेट वाले ट्रंकेटेड लीनियर रिग्रेशन के लिए पहला बहुपद-समय (polynomial-time) एल्गोरिदम प्रस्तुत करता है, जो केवल धनात्मक उदाहरणों से अंतराल के संघों (unions of intervals) को सीखने के लिए एक नवीन सबरूटीन पेश करके पिछले प्रतिबंधों को दूर करता है, जिनके लिए गॉसियन फीचर्स और घातीय रनटाइम की आवश्यकता थी।
यह शोधपत्र प्रदर्शित करता है कि बोलत्ज़2 (Boltz2) को-फोल्डिंग मॉडल, जो प्रीट्रेनिंग के लिए प्रोटीन-लिगैंड इंटरैक्शन का लाभ उठाता है, श्रेष्ठ और पूरक लघु-अणु (small-molecule) निरूपण उत्पन्न करता है जो ADMET भविष्यवाणी, जनरेटिव मॉडलिंग और संरचना-निर्देशित अनुकूलन सहित विविध कार्यों में मौजूदा स्टैंडअलोन मॉडलों से बेहतर प्रदर्शन करते हैं।
BarrierSteer एक नवीन, पैरामीटर-मुक्त इन्फरेंस-टाइम फ्रेमवर्क है जो सीखे गए नॉनलीनियर सेफ्टी कंस्ट्रेंट्स को लेटेंट स्पेस में कंट्रोल बैरियर फंक्शन्स के रूप में एम्बेड करके मॉडल की उपयोगिता को बनाए रखते हुए असुरक्षित प्रक्षेप पथों (trajectories) से दूर जाने के लिए लार्ज लैंग्वेज मॉडल की सुरक्षा को बढ़ाता है।
यह शोध पत्र DisTrans का प्रस्ताव करता है, जो एक नवीन ढांचा है जो स्रोत और लक्ष्य डोमेन के बीच टोपोलॉजिकल और फंक्शनल-ग्रुप जानकारी को संरेखित करके इंट्रा-डोमेन मॉडलिंग की सीमाओं को दूर करने और सुदृढ़ क्रॉस-डोमेन मॉलिक्यूलर रिलेशनल लर्निंग प्राप्त करने के लिए स्ट्रक्चरल-सेमेंटिक ट्रांसफर डिसक्रेपेंसी के साथ डोमेन एडवरसेरियल ट्रेनिंग का उपयोग करता है।
यह शोध पत्र RAG4Outcome का प्रस्ताव करता है, जो एक रिट्रीवल-ऑगमेंटेड मल्टीमॉडल फ्रेमवर्क है जो क्रोनिक ऑस्टियोमाइलाइटिस के लिए व्याख्या योग्य और विश्वसनीय रोगनिरूपण भविष्यवाणियां प्रदान करने के लिए विविध नैदानिक डेटा स्रोतों को एकीकृत करता है, जो पारंपरिक मैनुअल स्कोरिंग और मौजूदा मल्टीमॉडल लर्निंग दृष्टिकोणों की सीमाओं को संबोधित करता है।
यह शोध पत्र एक क्रॉस-अटेंशन-आधारित बाइपार्टाइट ग्राफ न्यूरल नेटवर्क (CAtt-BiGNN) प्रस्तावित करता है जो बड़े-विरूपण वाले शीट सामग्री निर्माण सिमुलेशन में नोडल विस्थापन और एलीमेंटल थिनिंग दोनों की सटीक और कुशल भविष्यवाणी करने के लिए मेश नोड्स और एलिमेंट्स के बीच अंतर्निहित युग्मन को सीधे मॉडल करता है।