24235 पेपर
यह शोधपत्र प्रदर्शित करता है कि एक अच्छी तरह से ट्यून किया गया k-निकटतम पड़ोसी (kNN) दृष्टिकोण विविध कार्यों के लिए LLM रूटिंग हेतु जटिल सीखे गए राउटरों के बराबर या उनसे बेहतर प्रदर्शन कर सकता है, जिसे नए मानकीकृत बेंचमार्क द्वारा समर्थित किया गया है जिसमें पहला मल्टी-मोडल रूटिंग डेटासेट भी शामिल है।
ActiveDPO एक सैंपल-एफिशिएंट अलाइनमेंट एल्गोरिदम है जो नॉन-लीनियर रिवॉर्ड फंक्शन्स के लिए उच्च-गुणवत्ता वाले प्रेफरेंस डेटा को चुनने के लिए एक सैद्धांतिक रूप से आधारित, LLM-पैरामीटराइज्ड रिवॉर्ड मॉडल का लाभ उठाता है, जो डेटा चयन के दौरान लक्षित मॉडल के प्रभाव को स्पष्ट रूप से ध्यान में रखकर मौजूदा तरीकों से बेहतर प्रदर्शन करता है।
यह शोध पत्र FAR का प्रस्ताव करता है, जो डिस्टिलेशन (distillation) और प्रूनिंग (pruning) के माध्यम से प्रीट्रेन्ड (pretrained) DeiT मॉडलों में ट्रांसफॉर्मर सेल्फ-अटेंशन को IMC-अनुकूल द्विदिश LSTM मॉड्यूल (bidirectional LSTM modules) से बदल देता है, जिससे ReRAM-आधारित एक्सीलरेटरों पर काफी कम लेटेंसी और बैंडविड्थ ओवरहेड के साथ तुलनीय सटीकता प्राप्त होती है।
यह शोध पत्र इंडक्टिव लॉजिक प्रोग्रामिंग सिस्टम के परिकल्पना स्थान (hypothesis space) से असंभव नियमों को हटाने के लिए 'आन्सर सेट प्रोग्रामिंग' का उपयोग करते हुए एक तार्किक प्रीप्रोसेसिंग दृष्टिकोण प्रस्तुत करता है, जिससे विभिन्न डोमेन में भविष्य कहने वाली सटीकता बनाए रखते हुए सीखने के समय को नाटकीय रूप से कम किया जा सकता है।
26 शोधकर्ताओं के साक्षात्कारों और लेखकों के जीवंत अनुभवों का उपयोग करते हुए, यह शोध पत्र सामाजिक प्रभाव के लिए एआई (AI) परियोजनाओं को प्रूफ-ऑफ-कॉन्सेप्ट से वास्तविक दुनिया में तैनाती की ओर ले जाने में बाधा डालने वाली संरचनात्मक, संगठनात्मक और परिचालन चुनौतियों की पहचान करता है, साथ ही भविष्य के सहयोगों को निर्देशित करने के लिए व्यावहारिक रणनीतियाँ और सर्वोत्तम अभ्यास भी प्रस्तुत करता है।
यह शोध पत्र जनरैलिटी-एक्यूरेसी-सिम्प्लिसिटी (GAS) ढांचे को पेश करता है ताकि यह तर्क दिया जा सके कि जबकि जनरेटिव एआई उपयोगकर्ता-केंद्रित सरलता प्रदान करता है, यह वास्तव में जटिलता को संगठनात्मक बुनियादी ढांचे और कर्मियों में पुनर्वितरित करता है, जिससे प्रतिस्पर्धी लाभ केवल अपनाने के बजाय रणनीतिक डिजाइन के माध्यम से इस बदलाव में महारत हासिल करने पर निर्भर हो जाता है।
यह शोध पत्र जॉइंट ऑटोएनकोडर मॉड्यूलेटर (JAM) को प्रस्तुत करता है, जो एक ऐसी विधि है जो समन्वित पुनर्निर्माण और एक नवीन मल्टीमॉडल स्प्रेड लॉस के साथ मोडैलिटी-विशिष्ट ऑटोएनकोर को संयुक्त रूप से अनुकूलित करके स्वतंत्र रूप से प्रशिक्षित विजन और लैंग्वेज मॉडल्स को संरेखित करती है, जिससे यह प्रदर्शित होता है कि विलगित प्रतिनिधित्व स्थानों (disjoint representational spaces) के बीच भी साझा अर्थपूर्ण प्रतिनिधित्व को स्पष्ट रूप से प्रेरित किया जा सकता है।
यह शोध पत्र Prefix-RFT को प्रस्तुत करता है, जो एक हाइब्रिड फाइन-ट्यूनिंग विधि है जो प्रीफ़िक्स सैंपलिंग के माध्यम से सुपरवाइज्ड फाइन-ट्यूनिंग और रीइन्फोर्समेंट फाइन-ट्यूनिंग का तालमेल बिठाती है ताकि प्रत्येक व्यक्तिगत दृष्टिकोण की सीमाओं को दूर किया जा सके, जो गणितीय तर्क कार्यों पर बेहतर प्रदर्शन और मजबूती प्रदर्शित करता है।
यह शोध पत्र RLCR (कैलिब्रेशन रिवॉर्ड्स के साथ सुदृढीकरण सीखना) प्रस्तुत करता है, जो एक नवीन प्रशिक्षण दृष्टिकोण है जो बाइनरी शुद्धता पुरस्कारों को ब्रियर स्कोर (Brier score) के साथ जोड़कर भाषा मॉडलों की सटीकता और कैलिब्रेटेड आत्मविश्वास दोनों में सुधार करता है, जिससे मानक सुदृढीकरण सीखने के कारण होने वाले मतिभ्रम (hallucination) और कैलिब्रेशन क्षरण को कम किया जा सके।
यह शोधपत्र स्थानीय क्वांटम फील्ड थ्योरीज़ (local quantum field theories) को सिम्युलेट करने के लिए परिमित न्यूरॉन्स (finite neurons) वाली न्यूरल नेटवर्क आर्किटेक्चर के उपयोग की व्यवहार्यता की जांच करता है, जिसमें यह पाया गया है कि हालांकि वे अनंत सीमा (infinite limit) में परिणामों को पुनरुत्पादित कर सकते हैं, लेकिन परिमित के लिए उनके विलेक्षण विस्तार (perturbative expansions) पराबैंगनी संवेदनशीलता (ultraviolet sensitivity) के कारण कमजोर अभिसरण (weak convergence) से ग्रस्त होते हैं, जो सटीकता में सुधार के लिए आर्किटेक्चरल संशोधनों के प्रस्ताव को प्रेरित करते हैं।