24514 पेपर
यह शोध पत्र तर्क देता है कि कॉन्फ़िगर करने योग्य एंटरप्राइज़ सिस्टम में, एजेंटों को केवल भंगुर (brittle), ऑफलाइन-प्रशिक्षित वर्ल्ड मॉडल्स पर निर्भर रहने के बजाय सक्रिय बिजनेस लॉजिक की रनटाइम डिस्कवरी को प्राथमिकता देनी चाहिए, जो नए CascadeBench बेंचमार्क के माध्यम से यह प्रदर्शित करता है कि यह दृष्टिकोण डिप्लॉयमेंट शिफ्ट्स के विरुद्ध मजबूती (robustness) में महत्वपूर्ण सुधार करता है।
DriftXpress एक त्वरित ड्रिफ्टिंग मॉडल फॉर्मूलेशन है जो लो-रैंक फीचर स्पेस में ड्रिफ्टिंग कर्नेल को अनुमानित करने के लिए प्रोजेक्टेड RKHS फील्ड्स का उपयोग करता है, जिससे मानक ड्रिफ्टिंग मॉडल्स के वन-स्टेप इन्फरेंस एडवांटेज और इमेज क्वालिटी को बनाए रखते हुए प्रशिक्षण लागत को कम किया जा सके।
यह शोध पत्र एक अनुक्रमिक सुपरसैंपल फ्रेमवर्क प्रस्तुत करता है जो सूचना-सैद्धांतिक सामान्यीकरण सीमाओं (information-theoretic generalization bounds) को शिक्षार्थी के फिल्ट्रेशन को प्रमाण-पक्ष विस्तार (proof-side enlargement) से अलग करके अनुकूलित अनुक्रमिक निर्णय लेने वाली समस्याओं तक विस्तारित करता है, जिससे ऑनलाइन लर्निंग और बैंडिट्स जैसे कार्यों के लिए अनुक्रमिक सशर्त पारस्परिक सूचना (sequential conditional mutual information) के माध्यम से सामान्यीकरण अंतराल (generalization gaps) को नियंत्रित करना सक्षम होता है।
यह शोध पत्र एक्स-रे फोटॉन सहसंबंध स्पेक्ट्रोस्कोपी (XPCS) को डोमेन-अनुकूली मशीन लर्निंग के साथ संयोजित करने वाली एक नवीन कार्यप्रणाली स्थापित करता है ताकि नैनोक्रिस्टलाइन सिलिकॉन में गैर-संतुलन ग्रेन बाउंड्री गतिकी की मात्रात्मक जांच की जा सके, जो जटिल प्रयोगात्मक उतार-चढ़ाव मानचित्रों से प्रमुख गतिज मापदंडों को सफलतापूर्वक निकालता है जो पहले अप्राप्य थे।
यह शोध पत्र एक निष्पक्ष कॉन्फॉर्मल वर्गीकरण ढांचे का प्रस्ताव करता है जो गैररेखीय फीचर संयोजनों के माध्यम से अनुकूल रूप से पहचाने गए उपसमूहों पर सशर्त कवरेज की गारंटी देता है, जो विश्वसनीय और सूचनात्मक भविष्यवाणी सेट उत्पन्न करने के लिए एल्गोरिदम संबंधी पूर्वाग्रहों को प्रभावी ढंग से संबोधित करता है।
यह व्यापक अध्ययन प्रदर्शित करता है कि उभरता हुआ मिसअलाइनमेंट (misalignment) फाइन-ट्यूनिंग का एक अपरिहार्य परिणाम नहीं है, बल्कि ओवरट्रेनिंग के कारण उत्पन्न एक प्रशिक्षण आर्टिफैक्ट (training artifact) है, जिसे अधिकांश कार्य प्रदर्शन को बनाए रखते हुए अर्ली स्टॉपिंग (early stopping) और सावधानीपूर्वक लर्निंग रेट चयन के माध्यम से प्रभावी ढंग से कम किया जा सकता है।
यह शोध पत्र नियंत्रित प्रयोगों के माध्यम से सरल लक्ष्य-सहचर (target-covariate) संबंधों को मॉडल करने की Chronos-2 और TabPFN-TS की क्षमता का मूल्यांकन करता है, जिससे यह पता चलता है कि TabPFN-TS इन निर्भरताओं को पकड़ने में Chronos-2 से बेहतर प्रदर्शन करता है, विशेष रूप से कम पूर्वानुमान क्षितिज (forecasting horizons) के लिए।
यह शोध पत्र प्रदर्शित करता है कि GRPO प्रशिक्षण के तहत, LoRA के B मैट्रिक्स में प्रशिक्षित मापदंडों (trainable parameters) का विशिष्ट स्थान प्रदर्शन के लिए महत्वपूर्ण है, जबकि SFT के लिए यादृच्छिक (random) प्लेसमेंट पर्याप्त है, और उन आवश्यक मापदंडों की पहचान करने के लिए एक तेज़, कम लागत वाली स्कोरिंग विधि प्रस्तावित करता है जो निरंतर रेसिडुअल-स्ट्रीम-राइटिंग प्रोजेक्शन्स (residual-stream-writing projections) पर केंद्रित होते हैं।
यह शोध पत्र सेल्फ-सुपरवाइज्ड लाप्लास एप्रोक्सिमेशन (SSLA) को प्रस्तुत करता है, जो एक नवीन, सैंपलिंग-मुक्त विधि है जो स्वयं-अनुमानित डेटा पर मॉडलों को पुनः फिट करके बेयसियन प्रेडिक्टिव अनसर्टेंटी (Bayesian predictive uncertainty) को परिमाणित करती है, और विभिन्न रिग्रेशन कार्यों में शास्त्रीय लाप्लास एप्रोक्सिमेशन की तुलना में बेहतर कैलिब्रेशन और कम्प्यूटेशनल दक्षता प्रदान करती है।
यह शोध पत्र 'इंट्रिन्सिक विकेरियस कंडीशनिंग' (Intrinsic Vicarious Conditioning) को प्रस्तुत करता है, जो मनोवैज्ञानिक साहित्य से प्रेरित एक स्मृति-आधारित आंतरिक पुरस्कार तंत्र है जो डीप रीइन्फोर्समेंट लर्निंग एजेंटों को उनकी नीतियों या रिवॉर्ड फंक्शन तक पहुंच के बिना प्रदर्शनों से सीखने में सक्षम बनाता है, जिससे विरल या गैर-वर्णनात्मक टर्मिनल स्थितियों वाले वातावरण में लो-शॉट और निरंतर सीखने की सुविधा मिलती है।