25436 पेपर
यह शोध पत्र एक नवीन डबल डीप रिइन्फोर्समेंट लर्निंग आर्किटेक्चर प्रस्तावित करता है जो लचीले मांग पूर्वानुमान के लिए एक कमेटी में से इष्टतम पूर्वानुमान मॉडल को स्वचालित रूप से चुनता है, जिसमें प्रशिक्षण को त्वरित करने के लिए एक नया अर्ली-स्टॉपिंग तंत्र शामिल है और जो स्टेट-ऑफ-द-आर्ट विधियों की तुलना में ग्रोसरी और स्नैक सेल्स डेटासेट पर बेहतर मजबूती प्रदर्शित करता है।
यह शोध पत्र LAWS को प्रस्तुत करता है, जो एक स्व-प्रमाणित (self-certifying) पैरामीटराइज्ड कैश आर्किटेक्चर है जो न्यूरल इन्फरेंस, रोबोटिक्स और एज सिस्टम्स के लिए परिनियोजन-समय (deployment-time) त्रुटि गारंटी प्रदान करने हेतु वास्तविक वर्कलोड से औपचारिक रूप से सीमित विशेषज्ञ फलनों (expert functions) की एक लाइब्रेरी को गतिशील रूप से बनाता है, और साथ ही मौजूदा Mixture-of-Experts और KV कैशिंग दृष्टिकोणों का सामान्यीकरण करते हुए उनसे बेहतर प्रदर्शन करता है।
यह शोध पत्र विविध कार्यों में मानव-एआई पूरकता की जांच करता है और पाता है कि हालांकि मामूली लाभ संभव हैं, वर्तमान संकरण और सहायता विधियाँ आवश्यकतानुसार निर्णयों को मनुष्यों तक प्रभावी ढंग से भेजने और ऐसे तंत्रों को डिजाइन करने में असमर्थता द्वारा सीमित हैं जो मनुष्यों को एआई त्रुटियों को विश्वसनीय रूप से ओवरराइड करने में सक्षम बनाते हैं।
यह शोध पत्र स्वचालित जमानत निर्णयों में लेबल अनिश्चितता (label indeterminacy) की महत्वपूर्ण चुनौती—जहाँ अस्वीकृत प्रतिवादियों के लिए प्रतितथ्यात्मक (counterfactual) परिणाम अप्रत्यक्ष रहते हैं—की जांच करता है, जिसमें पेंसिल्वेनिया के केस अध्ययनों के माध्यम से इस डेटा सीमा को संभालने के पांच तरीकों का मूल्यांकन किया गया है और यह प्रदर्शित किया गया है कि लेबल अनिश्चितता के लिए चुना गया दृष्टिकोण मॉडल की वास्तुकला (architecture) की तुलना में मॉडल के व्यवहार और आंतरिक निर्णय लेने की प्रक्रिया को अधिक महत्वपूर्ण रूप से प्रभावित करता है, साथ ही इन unverifiable धारणाओं की कानूनी वैधता का भी आकलन करता है।
यह शोध पत्र PI-DLinear को प्रस्तुत करता है, जो एक नवीन भौतिकी-सूचित (physics-informed) समय-श्रृंखला मॉडल है जो लोड ट्रांजिएंट्स के दौरान भौतिक निरंतरता सुनिश्चित करते हुए AI डेटा केंद्रों के लिए अत्याधुनिक अल्पकालिक शक्ति पूर्वानुमान सटीकता प्राप्त करने हेतु GPU उपयोग डेटा के साथ एक मल्टी-नोड थर्मल RC नेटवर्क को एकीकृत करता है।
यह शोध पत्र 'बैलेंस्ड एग्रीगेशन' (Balanced Aggregation) का प्रस्ताव देकर सत्यापन योग्य पुरस्कारों (verifiable rewards) वाले GRPO-शैली के सुदृढीकरण लर्निंग (reinforcement learning) में एकत्रीकरण पूर्वाग्रह (aggregation bias) की पहचान और समाधान करता है, जो सकारात्मक और नकारात्मक प्रतिक्रियाओं के लिए टोकन-स्तरीय ग्रेडिएंट्स को पुनर्संयोजित करने से पहले अलग-अलग औसत निकालता है, जिससे रीजनिंग और कोडिंग बेंचमार्क में प्रशिक्षण स्थिरता और प्रदर्शन में सुधार होता है।
यह शोध पत्र AsymmetryZero को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो मानव विशेषज्ञ प्राथमिकताओं को मॉडल-ओनली और एजेंटिक दोनों परिवेशों के लिए स्पष्ट, पुन: प्रयोज्य मूल्यांकन अनुबंधों में संचालित करता है, यह प्रदर्शित करते हुए कि कॉम्पैक्ट जूरी (compact juries) उच्च आंतरिक असहमति के बावजूद, फ्रंटियर जूरी की तुलना में समान कार्य-स्तरीय परिणाम प्राप्त कर सकती है और निर्णयन लागत एवं विलंबता को काफी कम कर सकती है।
यह शोध पत्र HERCULES को प्रस्तुत करता है, जो न्यूरल आर्किटेक्चर सर्च के लिए एक नया फ्रेमवर्क और वर्गीकरण (taxonomy) है जो तैनात करने योग्य, आजीवन सीखने वाले (lifelong-learning) एआई सिस्टम के विकास को निर्देशित करने के लिए हार्डवेयर दक्षता, सुदृढ़ता (robustness) और निरंतर सीखने (continual learning) के महत्वपूर्ण उद्देश्यों को एकीकृत करता है।
यह योगदान लॉस-दृश्य (loss-visible) और लॉस-अदृश्य (loss-invisible) ओवरलैप्स के बीच अंतर करने वाले एक संक्षिप्त ODE सिस्टम को व्युत्पन्न करके लो-रैंक फ्रेमवर्क को न्यूरल लर्निंग तक विस्तारित करता है और यह प्रकट करता है कि कैसे लर्निंग छिपे हुए कनेक्टिविटी अंतरों को उजागर करती है जबकि प्रशिक्षण प्रक्षेप पथों (training trajectories) को मेमोरी वेरिएबल्स के रूप में एनकोड करती है।
यह शोध पत्र प्रदर्शित करता है कि डॉक्यूमेंट क्वेश्चन अनswering के लिए रिट्रीवल-बेस्ड इन-कॉन्टेक्स्ट लर्निंग सिस्टम, क्वेरी प्रीफिक्स का उपयोग करने वाले ब्लैक-बॉक्स मेंबरशिप इन्फरेंस हमलों के प्रति संवेदनशील हैं, दो नवीन हमलों का प्रस्ताव करता है जो पैराफ्रेज्ड इनपुट के साथ भी पूर्व विधियों से बेहतर प्रदर्शन करते हैं, और दिखाता है कि एक अनुकूलित एन्सेम्बल प्रॉम्प्टिंग डिफेंस प्रभावी रूप से होने वाले गोपनीयता रिसाव को कम कर सकता है।