24514 पेपर
यह शोध पत्र एक नवीन तंत्र प्रस्तावित करता है जो बेयसियन लर्निंग (Bayesian learning) में सहयोगात्मक निष्पक्षता और सत्यनिष्ठा दोनों को प्रमाणित रूप से सुनिश्चित करने के लिए एक अज्ञात सत्यापन सेट पर आधारित एक सत्यनिष्ठ डेटा मूल्यांकन फलन के साथ सेमीवैल्यूज़ (semivalues) को जोड़ता है, जिससे डेटा हेरफेर को रोका जा सकता है और डेटा स्रोतों को निष्पक्ष रूप से पुरस्कृत किया जा सकता है।
यह शोध पत्र प्रदर्शित करता है कि जबकि प्रक्रियात्मक-कौशल (procedural-skill) SFT, 0.8B–4B Qwen3.5 मॉडलों में समान पूर्ण लाभ (uniform absolute gains) प्रदान करता है, परिणामी प्रदर्शन प्रक्षेपवक्र (performance trajectory) एक W-आकार का पैटर्न अनुसरण करता है जो शासन-असममित आधार क्षमताओं (regime-asymmetric base capabilities) द्वारा संचालित होता है, जहाँ SFT उन मॉडलों को सबसे महत्वपूर्ण पूर्ण सुधार प्रदान करता है जो प्रारंभ में प्रक्रिया के साथ संघर्ष करते हैं।
यह शोध पत्र "टारगेट अलाइनमेंट" (लक्ष्य संरेखण) को एक प्रमुख मीट्रिक के रूप में पेश करके और उसे प्रमाणित करके, बैकप्रोपैगेशन की तुलना में प्रेडिक्टिव कोडिंग की बेहतर सैंपल दक्षता के लिए एक सैद्धांतिक और अनुभवजन्य स्पष्टीकरण प्रदान करता है, जो यह प्रदर्शित करता है कि पीसी (PC) विशेष रूप से गहरे, संकीर्ण और प्री-ट्रेंड नेटवर्क में बेहतर सीखने के परिणाम प्राप्त करता है।
यह शोधपत्र क्वांटाइज्ड डिफ्यूज़्ड श्रोडिंगर ब्रिजेस (QDSB) का प्रस्ताव करता है, जो एक ऐसी विधि है जो क्वांटाइज्ड एंकर वितरणों पर इष्टतम परिवहन कपलिंग (optimal transport couplings) की गणना करके और उन्हें मूल डेटा पर वापस ले जाकर सिमुलेशन-मुक्त श्रोडिंगर ब्रिजेस के प्रशिक्षण को त्वरित करती है, जिससे काफी कम कम्प्यूटेशनल लागत के साथ मौजूदा बेसलाइन के समान नमूना गुणवत्ता प्राप्त होती है।
यह शोध पत्र यह प्रकट करता है कि मेमोरी-बाउंड बाधाओं के कारण GPU पावर हेडरूम का उपयोग न हो पाने की वजह से LLM ऑटोरेग्रेसिव डिकोड के लिए पावर कैपिंग अप्रभावी है, और यह प्रदर्शित करता है कि SM क्लॉक लॉकिंग एक बेहतर रणनीति है जो विविध अटेंशन आर्किटेक्चर में थ्रूपुट हानि को न्यूनतम करते हुए डिकोड ऊर्जा में 32% तक की बचत करती है।
यह शोध पत्र मल्टी-आउटपुट ऑगमेंटेड बिहेवियरल क्लोनिंग (MA-BC) प्रस्तुत करता है, जो एक प्रमाणित रूप से कुशल एल्गोरिदम है जो विरोधाभासी विशेषज्ञ डेटा को रणनीतिक रूप से विभाजित करते हुए और सुसंगत अवस्था-क्रिया युग्मों को एकत्रित करते हुए, मल्टी-ऑब्जेक्टिव इमिटेशन लर्निंग में पारेटो-इष्टतम नीतियों को पुनर्प्राप्त करता है, जिससे मिनिमैक्स इष्टतम अभिसरण दर प्राप्त होती है।
यह शोध पत्र यह स्थापित करता है कि जबकि नियंत्रण क्षमता (controllability) जैसी शास्त्रीय शर्तों के बिना रैखिक गतिकी (linear dynamics) में पूर्ण प्रणाली पहचान क्षमता (full system identifiability) विफल हो सकती है, प्रायोगिक सेटअप मौलिक रूप से एक ज्यामितीय सीमा निर्धारित करता जहाँ सुलभ उप-स्थान (reachable subspace) पर प्रतिबंधित गतिकी अद्वितीय रूप से निर्धारित और पुनर्प्राप्त योग्य बनी रहती है।
यह शोध पत्र SkillSafetyBench प्रस्तुत करता है, जो एक ऐसा बेंचमार्क है जो यह प्रदर्शित करता है कि पुन: प्रयोज्य कौशल (reusable skills) और स्थानीय आर्टिफैक्ट्स (local artifacts) सौहार्दपूर्ण उपयोगकर्ता अनुरोधों से भी असुरक्षित एजेंट व्यवहार उत्पन्न कर सकते हैं, जिससे यह स्पष्ट होता है कि एजेंट की सुरक्षा केवल मॉडल-स्तरीय संरेखण (model-level alignment) पर ही नहीं, बल्कि इस बात पर भी महत्वपूर्ण रूप से निर्भर करती है कि मॉडल कौशलों की व्याख्या कैसे करते हैं और वर्कफ़्लो संदर्भों पर कितना भरोसा करते हैं।
यह शोध पत्र एक कुशल और अनुकूलनीय मानव गतिविधि पहचान (Human Activity Recognition) ढांचे का प्रस्ताव करता है जो एक संरचित कनवल्शनल प्रोजेक्शन द्वारा ब्रिज किए गए और लो-रैंक अडैप्टेशन (LoRA) के माध्यम से अनुकूलित फ्रोजन, प्रीट्रेंड लार्ज लैंग्वेज मॉडल्स को टेम्पोरल बैकबोन के रूप में उपयोग करता है, ताकि कंप्यूटेशनल लागत को काफी कम करते हुए मजबूत प्रदर्शन, डेटा दक्षता और सुदृढ़ क्रॉस-डेटासेट ट्रांसफर प्राप्त किया जा सके।
यह शोध पत्र क्वांटम एरर करेक्शन के लिए न्यूरल डिकोडर्स को पांच आर्किटेक्चरल प्रतिमानों (paradigms) में एकीकृत करके और उन्हें FPGA हार्डवेयर पर मूल्यांकित करके उन्हें पुन: विश्लेषित करता है, जिससे यह पता चलता है कि व्यावहारिक परिनियोजन के लिए आवश्यक माइक्रोसेकंड-स्केल लेटेंसी प्राप्त करने के लिए डेटा स्केल, इंडक्टिव बायस और INT4 क्वांटाइजेशन महत्वपूर्ण हैं।