20106 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि एआई एजेंटों के लिए सुदृढ़ मानक प्रवर्तन तंत्र, जो गतिशील विश्वसनीयता अनुमान और बढ़ते दंड को शामिल करते हैं, उन बहु-एजेंट प्रणालियों में मिसअलाइन्ड (misaligned) एजेंटों द्वारा शोषण को प्रभावी ढंग से रोकते हैं और सामूहिक व्यवहार को आकार देते हैं जहाँ सरल प्रवर्तन विफल हो जाता है।
यह शोध पत्र यह प्रदर्शित करता है कि लंबाई-दंडित सुदृढीकरण शिक्षण (length-penalized reinforcement learning) चेन-ऑफ-थॉट तर्क को इस तरह से संकुचित करता है जो उत्तर की सटीकता को सुरक्षित रखते हुए उन विशिष्ट संकेतों को चुनिंदा रूप से हटा देता है जिनकी निगरानी करने वाले छिपे हुए प्रभावों का पता लगाने के लिए आवश्यकता होती है, जिससे एक "संपीड़न-निगरानी सीमा" (compression-monitorability frontier) निर्मित होती है जहाँ सस्ता तर्क ऑडिट करना काफी कठिन हो जाता है।
यह शोध पत्र 2D LiDAR रेंज इमेज सेगमेंटेशन के लिए पहले डिफ्यूजन-आधारित अनरिस्ट्रिक्टेड एडवरसेरियल अटैक का प्रस्ताव करता है, जो नियंत्रित और ट्रांसफ़रेबल सेगमेंटेशन त्रुटियों को प्रेरित करने के लिए यथार्थवादी, मैनिफोल्ड-प्रिजर्विंग उदाहरण उत्पन्न करने हेतु सैंपलिंग के दौरान एडवरसेरियल गाइडेंस का लाभ उठाता है।
यह शोध पत्र MVMGNN का प्रस्ताव करता है, जो एक मल्टी-व्यू मास्कड ग्राफ न्यूरल नेटवर्क है जो स्ट्रक्चरल एमआरआई-आधारित अल्जाइमर रोग निदान में सिंगल-स्ट्रेटजी ग्राफ कंस्ट्रक्शन की सीमाओं को दूर करने के लिए एक जॉइंट नोड-एज मास्किंग मैकेनिज्म और क्रॉस-व्यू गेटेड फ्यूजन का उपयोग करता है, जिससे ADNI डेटासेट पर श्रेष्ठ वर्गीकरण प्रदर्शन और व्याख्यात्मकता प्राप्त होती है।
यह शोध पत्र यह प्रदर्शित करता है कि LLM इन्फरेंस इंजनों में व्यापक रूप से उपयोग किया जाने वाला साइन-ब्रांचिंग रिपिटिशन पेनल्टी (sign-branching repetition penalty) मौलिक रूप से त्रुटिपूर्ण है क्योंकि यह मनमाने लॉगिट ज़ीरो-पॉइंट (logit zero-point) पर निर्भर करता है, जिससे विभिन्न मॉडलों के बीच टोकन चयन में भारी अस्थिरता और स्ट्रक्चर्ड JSON आउटपुट में विनाशकारी विफलताएं होती हैं, एक ऐसी समस्या जिसे रॉ लॉगिट्स (raw logits) के बजाय सामान्यीकृत लॉग-प्रोबेबिलिटीज़ (normalized log-probabilities) पर पेनल्टी लागू करके हल किया गया है।
यह शोध पत्र RUBRIC को प्रस्तुत करता है, जो एक जनरेटर-अज्ञेय (generator-agnostic) ढांचा है जो यथार्थता और उपयोगिता को संतुलित करके असंतुलित वर्गीकरण के लिए सिंथेटिक नमूना चयन को अनुकूलित करता है ताकि सामान्यीकरण सीमाओं (generalization bounds) को कड़ा किया जा सके और ROC-AUC से समझौता किए बिना F1-macro और रिकॉल जैसे प्रदर्शन मेट्रिक्स में सुधार किया जा सके।
यह शोध पत्र पैनल डेटा वाले मार्कोव चेन चॉइस मॉडल्स के लिए एक नवीन ढांचे (framework) को प्रस्तुत करता है जो पैरामीटर अनुमान के लिए बेहतर ईएम (EM) एल्गोरिदम विकसित करने के लिए आंशिक-क्रम वरीयता सूचना (partial-ordering preference information) का लाभ उठाता है, साथ ही व्यक्तिगत पसंद भविष्यवाणी और असॉर्टमेंट अनुकूलन की कम्प्यूटेशनल जटिलता को भी स्थापित करता है।
यह शोध पत्र लर्नड प्रेडिक्टिव एम्बिग्युटी सेट्स (LPAS) का प्रस्ताव करता है, जो एक गहरा संदर्भात्मक ढांचा है जो डिस्ट्रीब्यूशनली रोबस्ट ऑप्टिमाइज़ेशन को बढ़ाने के लिए अवस्था-निर्भर वासरस्टीन रेडियस और नाममात्र वितरणों को अनुकूल रूप से सीखता है, जो पारंपरिक निश्चित-त्रिज्या बेसलाइन की तुलना में पोर्टफोलियो अनुकूलन में बेहतर प्रदर्शन और कम रूढ़िवादिता प्रदर्शित करता है।
यह शोध पत्र BS-cRT को प्रस्तुत करता है, जो एक दो-चरणीय पुनरप्रशिक्षण (retraining) बेसलाइन है जो बैलेंस्ड सॉफ्टमैक्स-प्रशिक्षित बैकबोन को फ्रीज करके और केवल संतुलित बैचों पर क्लासिफायर को पुन: अनुकूलित करके लॉन्ग-टेल्ड रिकग्निशन में फ्यू-शॉट सटीकता में महत्वपूर्ण सुधार करता है, साथ ही CBRM जैसे बाउंड्री-आधारित तरीकों की सीमाओं का विश्लेषण भी करता है।
यह शोध पत्र GATAS को प्रस्तुत करता है, जो एक ब्लैक-बॉक्स एडवरसेरियल टेस्टिंग फ्रेमवर्क है जो फोनम-स्तरीय लेटेंट स्पेस इंटरपोलेशन को अनुकूलित करके प्राकृतिक लगने वाले स्पीच इनपुट उत्पन्न करता है जिससे ASR सिस्टम में ट्रांसक्रिप्शन त्रुटियां होती हैं, और मौजूदा विधियों की तुलना में बेहतर धारणात्मक गुणवत्ता के साथ 98% सफलता दर प्राप्त करता है।