24308 पेपर
यह शोध पत्र ब्रेगमन सेफ्टी ऑप्टिमाइज़ेशन (BSO) प्रस्तुत करता है, जो एक सिद्धांत-आधारित, एकल-चरण वाला ढांचा है जो भाषा मॉडल की सुरक्षा संरेखण (सेफ्टी अलाइनमेंट) प्रक्रिया को एक डेंसिटी रेशियो मैचिंग समस्या में बदलकर इसे सरल बनाता है, जिससे जटिल पाइपलाइनों या सहायक मॉडलों की आवश्यकता समाप्त हो जाती है और सुरक्षा-उपयोगिता (सेफ्टी-हेल्पफुलनेस) के बीच संतुलन में निरंतर सुधार होता है।
यह शोध पत्र मल्टीक्लास क्लासिफिकेशन के लिए बैंडिट फीडबैक के साथ पहला ऑनलाइन लर्निंग-टू-डिफर (Learning-to-Defer) एल्गोरिदम प्रस्तुत करता है जो गतिशील रूप से बदलते विशेषज्ञ समूहों और उपलब्धता को संभालता है, जो प्रमाणित रिग्रेट गारंटी प्राप्त करता है और सिंथेटिक एवं वास्तविक दुनिया के डेटासेट दोनों पर प्रभावशीलता प्रदर्शित करता है।
यह शोध पत्र FAMeX को प्रस्तुत करता है, जो फीचर एसोसिएशन मैप्स पर आधारित एक नवीन ग्राफ-सैद्धांतिक व्याख्यात्मक एआई (explainable AI) एल्गोरिदम है, जो वर्गीकरण के लिए फीचर महत्व को मापने में PFI और SHAP जैसी मौजूदा विधियों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र लीनियरलाइज्ड ग्राफ सीक्वेंस मॉडल्स (Linearized Graph Sequence Models) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो मैसेज-पासिंग ग्राफ कंप्यूटेशन को सीक्वेंस मॉडलिंग के रूप में पुनर्गठित करता है ताकि प्रोसेसिंग डेप्थ को सूचना प्रसार से अलग किया जा सके, जिससे ग्राफ में लॉन्ग-रेंज इंफॉर्मेशन टास्क को बेहतर बनाने के लिए आधुनिक सीक्वेंस मॉडलिंग की प्रगति को एकीकृत करना सक्षम बनाया जा सके।
यह शोध पत्र विशिष्ट हमले के वेक्टर्स का विश्लेषण करके और चार अलग-अलग शमन आर्किटेक्चर प्रस्तावित करके—जो पूर्ण रूप से बायज़ेंटाइन-प्रतिरोधी से लेकर हाइब्रिड और हल्के निगरानी समाधानों तक सुरक्षा और प्रदर्शन के बीच विभिन्न ट्रेड-ऑफ प्रदान करते हैं—एजेंटिक एआई गवर्नेंस के लिए केंद्रीकृत SAGA फ्रेमवर्क की दुर्भावनापूर्ण प्रदाताओं के प्रति संवेदनशीलता को संबोधित करता है।
यह शोध पत्र GAP (ग्रैनुलर अलाइनमेंट पैराडाइम) पेश करता है, जो एक नवीन ढांचा है जो फीचर, कॉन्टेक्स्ट और कैपेसिटी स्तरों पर डिकोडर आउटपुट को इनपुट एम्बेडिंग्स के साथ संरेखित करके मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स के लिए विजुअल लेटेंट रीजनिंग में फीचर-स्पेस मिसमैच को संबोधित करता है, जिससे Qwen2.5-VL 7B मॉडल पर बेहतर धारणा और तर्क प्रदर्शन प्राप्त होता है।
यह शोध पत्र एक संरचित LLM एजेंट फ्रेमवर्क प्रस्तावित करता है जो मौजूदा मॉडल भविष्यवाणियों को परिष्कृत करने के लिए डोमेन ज्ञान को एनकोड करके कृषि उपज पूर्वानुमानों का पोस्ट-हॉक सुधार (post-hoc correction) करता है, जिससे विशेष रूप से Llama 3.1 8B को रिफाइनमेंट मॉडल के रूप में उपयोग करते हुए, प्रोप्रायटरी स्ट्रॉबेरी और सार्वजनिक USDA मक्का डेटासेट दोनों पर त्रुटियों में महत्वपूर्ण कमी प्राप्त होती है।
SEMIR विज़ुअल सेगमेंटेशन के लिए एक नवीन फ्रेमवर्क पेश करता है जो पैरामीटराइज्ड कॉन्ट्रैक्शन (contraction) और डिलीशन (deletion) के माध्यम से एक टास्क-एडेप्टेड, बाउंड्री-अलाइन्ड ग्राफ माइनर रिप्रजेंटेशन को सीखकर फिक्स्ड-ग्रिड कंप्यूटेशन और क्लास इम्बैलेंस की सीमाओं को दूर करता है, जिससे स्पार्स स्ट्रक्चर्स के हाई-रिज़ॉल्यूशन सेगमेंटेशन के लिए कुशल, सटीक डिकोडिंग सक्षम होती है।
यह शोध पत्र सीमित नियंत्रित मार्कोव श्रृंखलाओं (finite controlled Markov chains) के लिए एक मॉडल-आधारित बूटस्ट्रैप विधि का प्रस्ताव और विश्लेषण करता है जो ट्रांज़िशन कर्नेल और डाउनस्ट्रीम पॉलिसी इवैल्यूएशन लक्ष्यों के लिए वितरण संबंधी निरंतरता (distributional consistency) स्थापित करता है, जो ऑफलाइन सुदृढीकरण शिक्षण (offline reinforcement learning) सेटिंग्स में मौजूदा बेसलाइनों की तुलना में बेहतर अंशांकन (calibration) और कवरेज प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र एक लक्ष्य-अनुकूलन टेक्स्ट-टेबुलर मॉडलिंग फ्रेमवर्क प्रस्तावित करता है जो सीमित इंटरेक्शन हिस्ट्री से अपरिचित एआई (AI) वार्ताकार के निर्णयों की प्रभावी ढंग से भविष्यवाणी करने के लिए एक फ्रोजन "LLM-as-Observer" से प्राप्त हिडन रिप्रेजेंटेशन्स का लाभ उठाता है, जो डायरेक्ट प्रॉम्प्टिंग और मानक फीचर-आधारित बेसलाइन्स से बेहतर प्रदर्शन करता है।