20203 पेपर
यह शोध पत्र दबायोकलेक्शन (TheBioCollection) को प्रस्तुत करता है, जो एक एकीकृत 52.6B-टोकन प्री-ट्रेनिंग कॉर्पस है जो विविध जैविक संसाधनों को गणनात्मक गुणों और निर्देश कार्यों से समृद्ध एक सुसंगत प्रारूप में संकलित करता है, जो एक 16B-पैरामीटर मॉडल की सामान्य भाषाई क्षमताओं को संरक्षित करते हुए कई डोमेन में इसकी जैविक समझ और प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र प्रॉम्प्ट-ड्रिवन एक्सप्लोरेशन (PDE) को प्रस्तुत करता है, जो एक सुदृढीकरण शिक्षण (reinforcement learning) रणनीति है जो रोलआउट विश्लेषण के आधार पर प्राकृतिक भाषा प्रॉम्प्ट्स को पुनरावर्ती रूप से परिष्कृत करने के लिए एक विजन-लैंग्वेज मॉडल का लाभ उठाती है, जिससे यह एक्शन-स्पेस नॉइज़ पर निर्भर किए बिना प्रभावी वैश्विक अन्वेषण और विरल पुरस्कारों (sparse rewards) से सीखने में सक्षम होता है।
यह शोध पत्र Mixture of Probes (MoP) को प्रस्तुत करता है, जो एक नया ढांचा है जो केवल प्रशिक्षण के दौरान उपलब्ध विशेषाधिकार प्राप्त मोडालिटीज़ का लाभ उठाकर, संरचित प्रोबिंग और एक विशेष क्रॉस-मोडल प्रशिक्षण रणनीति के माध्यम से मोडालिटी-विशिष्ट और सामान्य संकेतों को अलग करके मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स को महत्वपूर्ण रूप से उन्नत करता है, जिससे अनुमान (inference) के समय सहायक मोडालिटीज़ की अनुपस्थिति में भी पर्याप्त प्रदर्शन लाभ प्राप्त होता है।
यह शोध पत्र अमूर्तता (abstraction) का एक गतिक सिद्धांत प्रस्तुत करता है जो रैखिक और गैर-रैखिक दोनों न्यूरल नेटवर्क में प्रशिक्षण के दौरान रैखिक अवधारणा प्रतिनिधित्व (linear concept representations) कैसे उभरते हैं, इसके सटीक समाधान व्युत्पन्न करता है, जिससे यह प्रकट होता है कि अमूर्तता डेटा ज्यामिति, नेटवर्क गहराई और इनिशियलाइजेशन स्केल द्वारा शासित होती है और एक सार्वभौमिक क्षीणन नियम (universal attenuation law) का पालन करती है जो प्री-एक्टिवेशन्स (preactivations) की तुलना में एक्टिवेशन्स (activations) में अमूर्तता को कमजोर करती है।
यह शोधपत्र Clean2FX को प्रस्तुत करता है, जो क्लीन इलेक्ट्रिक गिटार ऑडियो को विभिन्न प्रभावों में बदलने के लिए एक लेबल-कंडीशन्ड फ्रेमवर्क है, जिसमें U-Net मॉडल का उपयोग किया गया है जो संगीत सामग्री को संरक्षित करने में वेरिएशनल ऑटोएनकोडर्स (variational autoencoders) से बेहतर प्रदर्शन करते हुए डिस्टॉर्शन (distortion), डिले (delay) और रिवर्ब (reverb) जैसे लक्षित प्रभावों को सटीक रूप से संश्लेषित करते हैं।
यह शोध पत्र गोपनीय चिकित्सा एआई के लिए इमेज डिसगाइजिंग (छवि छिपाने की) विधियों का व्यवस्थित रूप से मूल्यांकन करता है, जो यह प्रकट करता है कि जबकि ये गोपनीयता-बढ़ाने वाली तकनीकें वर्गीकरण कार्यों के लिए उपयोगिता को प्रभावी ढंग से संरक्षित करती हैं, वे सिमेंटिक सेगमेंटेशन में प्रदर्शन को महत्वपूर्ण रूप से कम कर देती हैं, जिसमें रैंडमाइज्ड मल्टीडायमेंशनल ट्रांसफॉर्मेशन (RMT) सुरक्षा और कार्यक्षमता के बीच सर्वोत्तम संतुलन प्रदान करता है।
यह शोध पत्र GATS को प्रस्तुत करता है, जो एक नियोजन ढांचा (planning framework) है जो महंगी LLM इन्फरेंस को एक लेयर्ड वर्ल्ड मॉडल और UCB1-आधारित ट्री सर्च से प्रतिस्थापित करता है ताकि विविध जटिल कार्यों में 100% सफलता दर और नियत (deterministic), शून्य-कॉल नियोजन प्राप्त किया जा सके, जो LATS और ReAct जैसी मौजूदा विधियों से काफी बेहतर प्रदर्शन करता है।
SafeExplorer भौतिक रोबोटों पर सुदृढीकरण सीखने (reinforcement learning) के लिए एक निष्पक्ष पॉलिसी ग्रेडिएंट पद्धति पेश करता है जो नियत रिकवरी हस्तक्षेपों (deterministic recovery interventions) से होने वाले पूर्वाग्रह को समाप्त करता है, जिससे मानक PPO की तुलना में अंतिम प्रदर्शन को बनाए रखते हुए या उसमें सुधार करते हुए प्रशिक्षण के समय गिरने की घटनाओं को काफी कम कर दिया जाता है।
यह शोधपत्र FairSelect प्रस्तुत करता है, जो मॉडलिंग जीवनचक्र के दौरान बहु-स्तरीय एल्गोरिद्मिक निष्पक्षता रणनीतियों का व्यवस्थित रूप से मूल्यांकन करने और उन्हें संयोजित करने के लिए एक टूलकिट है, जो सिंथेटिक और क्लिनिकल स्ट्रोक जोखिम प्रयोगों के माध्यम से यह प्रदर्शित करता है कि हालांकि संयुक्त हस्तक्षेप अक्सर अधिक समानता सुधार प्रदान करते हैं, लेकिन उनकी प्रभावशीलता अत्यधिक संदर्भ-निर्भर और गैर-योगात्मक होती है।
यह शोध पत्र एलुना (Eluna) का परिचय देता है, जो एक प्रोडक्शन-डिप्लॉयड एजेंटिक सिस्टम है जो मानक संचालन प्रक्रियाओं (SOPs) को ग्राफ-गाइडेड मल्टी-एजेंट वर्कफ़्लो में एनकोड करके और उच्च सटीकता तथा कम विलंबता (लो लेटेंसी) प्राप्त करने के लिए एसिमेट्रिक एपिसोडिक डिस्टिलेशन (asymmetric episodic distillation) का उपयोग करके, बिना इन्फरेंस-टाइम ओवरहेड के जटिल वेयरहाउस ऑपरेशन्स को स्वचालित करता है।