25436 पेपर
कोरल (Coral) एक अनुकूलनशील, विषमता-जागरूक (heterogeneity-aware) मल्टी-एलएलएम (multi-LLM) सर्विंग सिस्टम है जो विविध क्लाउड जीपीयू (cloud GPUs) में संसाधन आवंटन और सर्विंग रणनीतियों को संयुक्त रूप से अनुकूलित करता है, जिससे तेज़, निकट-इष्टतम निर्णय लेने में सक्षम बनाने के लिए एक हानिरहित दो-चरणीय अपघटन (lossless two-stage decomposition) का उपयोग करके 2.79 लागत कमी और 2.39 उच्च गुडथ्रूप (goodput) प्राप्त होता है।
यह लेख एक नवीन खोज-आधारित पहचान पद्धति प्रस्तावित करता है जो एआई-जनित छवियों को प्रभावी ढंग से पहचानने के लिए मध्यवर्ती परतों में डेटा एम्बेडिंग की संवेदनशीलता का लाभ उठाता है, जिससे प्रशिक्षण-मुक्त और प्रशिक्षण-आधारित अत्याधुनिक तकनीकों दोनों की तुलना में बेहतर सामान्यीकरण और प्रदर्शन प्राप्त होता है।
GraphPI एक नवीन, सार्वभौमिक ढांचा है जो प्रोटीन अनुमान को नोड वर्गीकरण कार्य के रूप में कुशलतापूर्वक निष्पादित करने के लिए ग्राफ न्यूरल नेटवर्क और छद्म-लेबल वाले डेटा पर सेल्फ-ट्रेनिंग का लाभ उठाता है, जिससे लेबल की कमी को दूर किया जा सकता है और डेटासेट-विशिष्ट फाइन-ट्यूनिंग की आवश्यकता को समाप्त करते हुए गणना समय को महत्वपूर्ण रूप से कम किया जा सकता है।
यह कार्य यह प्रदर्शित करता है कि तर्क के माध्यम से सामान्यीकरण करने की एक ट्रांसफॉर्मर की क्षमता, जो कि रटने के बजाय है, एक तीव्र, महत्वपूर्ण प्रशिक्षण विंडो के भीतर निर्धारित होती है जहाँ वेट डिके (weight decay) का समय और इनिशियलाइजेशन का स्केलिंग निर्णायक होते हैं, जिससे जटिलता नियंत्रण को एक स्थिर हाइपरपैरामीटर विकल्प मानने वाले दृष्टिकोण को चुनौती मिलती है।
यह शोध पत्र स्प्लाइन-पुलबैक मेट्रिक (SPM) प्रस्तुत करता है, जो एक नवीन ढांचा है जो यूनिवर्सल डिफियोमॉर्फिक SPD रिप्रजेंटेशन लर्निंग प्राप्त करने के लिए कठोर, स्थिर रीमानियन मेट्रिक्स को एक सीखने योग्य, रैंक-इनवेरिएंट B-स्प्लाइन पैरामीट्रिज़ेशन से प्रतिस्थापित करता है, जिससे ग्रेडिएंट अस्थिरता और ज्यामितीय सीमाओं को दूर करते हुए विविध डीप लर्निंग आर्किटेक्चर में अत्याधुनिक प्रदर्शन प्रदान किया जा सके।
एक्सप्लेनेबल एआई (XAI) विधियों के मूल्यांकन में मानकीकरण और पारदर्शिता की कमी को दूर करने के लिए, यह शोध पत्र "XAI इवैल्यूएशन कार्ड" प्रस्तावित करता है, जो कि एक दस्तावेज़ीकरण टेम्पलेट है जिसे किसी भी नए XAI मीट्रिक के लिए लक्षित गुणों, धारणाओं और सत्यापन साक्ष्य जैसे महत्वपूर्ण विवरणों को व्यवस्थित रूप से रिकॉर्ड करने के लिए डिज़ाइन किया गया है।
यह शोधपत्र नॉन-मोनोटोनिक ट्राइएंगुलर स्ट्रक्चरल कॉज़ल मॉडल्स (NM-TM-SCMs) को प्रस्तुत करता है जो पूर्ण काउंटरफैक्चुअल आइडेंटिफिएबिलिटी प्राप्त करने के लिए प्रतिबंधात्मक ग्लोबल मोनोटोनिसिटी के स्थान पर मैकेनिज्म-वाइज इनवर्टिबिलिटी और कॉन्टेक्स्ट-इंडिपेंडेंट इनवर्स ट्रांसपोर्ट का उपयोग करते हैं, जो मौजूदा बेसलाइन्स की तुलना में नॉन-मोनोटोनिक एम्बोडीड इंटरैक्शंस के लिए काउंटरफैक्चुअल्स को रिकवर करने में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र तर्क देता है कि परिनियोजन-प्रासंगिक संरेखण (deployment-relevant alignment) को केवल मॉडल-स्तरीय मूल्यांकनों से निष्कर्षित नहीं किया जा सकता है, जो ऑडिट और स्ट्रेस टेस्ट के माध्यम से यह प्रदर्शित करता है कि वर्तमान बेंचमार्क में उपयोगकर्ता-केंद्रित सत्यापन और प्रक्रियात्मक नियंत्रण (process steerability) का अभाव है, जिससे अंततः उन सिस्टम-स्तरीय मूल्यांकन ढांचों की ओर बढ़ने की आवश्यकता उत्पन्न होती है जो स्पष्ट रूप से संवादात्मक संदर्भों और स्कैफोल्ड निर्भरताओं (scaffold dependencies) को ध्यान में रखते हैं।
यह योगदान एंकोर्ड लर्निंग (Anchored Learning) को प्रस्तुत करता है, जो वितरण विचलन (distribution drift) को नियंत्रित करने के लिए एक गतिशील रूप से विकसित होते मूविंग एंकर (moving anchor) का उपयोग करके एलएलएम (LLM) के सुपरवाइज्ड फाइन-ट्यूनिंग में कैटास्ट्रोफिक फॉरगेटिंग (catastrophic forgetting) को कम करता है, जिससे मानक विधियों की तुलना में क्षमता क्षरण को काफी कम करते हुए लगभग इष्टतम प्रदर्शन लाभ प्राप्त होता है।
यह शोध पत्र डिफ्यूजन नैश प्रेफरेंस ऑप्टिमाइजेशन (Diff.-NPO) प्रस्तुत करता है, जो एक गेम-थ्योरेटिक फ्रेमवर्क है जो डिफ्यूजन मॉडल्स को स्वयं के विरुद्ध सेल्फ-प्ले को प्रोत्साहित करके बेहतर टेक्स्ट-टू-इमेज अलाइनमेंट प्राप्त करने में सक्षम बनाता है, जिससे पारंपरिक ब्रैडली-टेरी-आधारित प्रेफरेंस विधियों की सीमाओं को दूर किया जा सके।