26959 पेपर
यह शोधपत्र SeqRejectron प्रस्तुत करता है, जो चयनात्मक अनुकरण शिक्षण (selective imitation learning) के लिए एक एल्गोरिदम है जो एक क्षितिज-मुक्त (horizon-free) स्टॉपिंग नियम का निर्माण करके एजेंटों को मनमानी गतिकी परिवर्तनों (arbitrary dynamics shifts) के तहत सुरक्षित रूप से कार्य करने से बचने में सक्षम बनाता है, जिसके पास सिद्ध नमूना जटिलता गारंटी (provable sample complexity guarantees) है।
यह शोध पत्र यह प्रदर्शित करता है कि लीनियर प्रोब्स (linear probes) द्वारा प्रमाणित, प्री-ट्रेनिंग के दौरान फ्रोजन डिकोडर-ओनली ट्रांसफॉर्मर में सिमेंटिक रोल (semantic role) की समझ आंशिक रूप से उभरती है, हालांकि पूर्ण प्रदर्शन के लिए फाइन-ट्यूनिंग की आवश्यकता होती है और मॉडल स्केल बढ़ने के साथ इन भूमिकाओं का आंतरिक प्रतिनिधित्व तेजी से वितरित होता जाता है।
यह शोध पत्र DARE का प्रस्ताव करता है, जो एक एकीकृत ढांचा है जो विभिन्न कार्य कठिनाइयों के माध्यम से प्रशिक्षण दक्षता, अंतिम प्रदर्शन और अनुमान संक्षिप्तता को एक साथ सुधारने के लिए सेल्फ-नॉर्मलाइज्ड इम्पोर्टेंस सैंपलिंग और एडेप्टिव कंप्यूट एलोकेशन के माध्यम से पॉलिसी के साथ कठिनाई अनुमान को सह-विकसित करता है।
यह शोध पत्र सिंगल-पॉलिसी कंसेंट्रैबिलिटी के तहत फॉरवर्ड-केएल (forward-KL) रेगुलाइजेशन वाले ऑफलाइन कॉन्टेक्स्टुअल बैंडिट्स के लिए पहले फास्ट सैंपल कॉम्प्लेक्सिटी अपर बाउंड्स स्थापित करता है, जो एक नवीन कॉनवेक्स-एनालिटिकल विश्लेषण के माध्यम से टैबुलर और जनरल फंक्शन एप्रोक्सिमेशन सेटिंग्स को एकीकृत करता है और मैचिंग लोअर बाउंड्स के माध्यम से इन दरों की टाइटनेस को सिद्ध करता है।
Flame3D एक प्रशिक्षण-मुक्त (training-free) फ्रेमवर्क है जो दृश्यों को संपादन योग्य दृश्य-पाठ्य स्मृतियों (visual-textual memories) के रूप में प्रदर्शित करके और ऑफ-द-शेल्फ MLLMs को ओपन-एंडेड इन्फरेंस के लिए कस्टम स्थानिक उपकरणों (spatial tools) को गतिशील रूप से संश्लेषित करने हेतु सशक्त बनाकर ज़ीरो-शॉट कंपोजिशनल 3D सीन रीजनिंग को सक्षम बनाता है।
यह शोध पत्र विभिन्न निष्पक्षता असंभवता परिणामों (fairness impossibility results) को एक साझा RKHS ज्यामिति के अंतर्गत एकीकृत करता है, यह प्रदर्शित करते हुए कि असमान आधार दरें (unequal base rates) रैखिक निष्पक्षता बाधाओं को अति-निर्धारित (overdetermined) बना देती हैं, जो क्लेनबर्ग-मुलनेथन-राघवन द्वंद्व (Kleinberg–Mullainathan–Ragvan dichotomy), MMD द्वारा मापे गए अवशिष्ट उल्लंघनों के संबंध में एक "पोकेमॉन प्रमेय" (Pokémon theorem), और निष्पक्ष फीचर लर्निंग की मौलिक सीमाओं पर नए अंतर्दृष्टि की ओर ले जाती है।
ProactBench संवादात्मक सक्रियता (conversational proactivity)—LLMs द्वारा निहित उपयोगकर्ता आवश्यकताओं को पहचानने और उन पर कार्य करने की क्षमता—का मूल्यांकन करने के लिए एक नया बेंचमार्क पेश करता है, जो इसे इमर्जेंट (Emergent), क्रिटिकल (Critical) और रिकवरी (Recovery) चरणों में विभाजित करता है और यह प्रदर्शित करता है कि रिकवरी प्रदर्शन एक विशिष्ट, कठिन मूल्यांकन संकेत है जिसे मौजूदा बेंचमार्क द्वारा नहीं पकड़ा जा सकता है।
यह शोध पत्र IoT प्रणालियों में वितरित शिक्षण (डिस्ट्रीब्यूटेड लर्निंग) के लिए गोपनीयता-संरक्षण तकनीकों का व्यवस्थित रूप से विश्लेषण और तुलना करने हेतु एक एकीकृत खतरा मॉडल (थ्रेट मॉडल) और मूल्यांकन ढांचा प्रस्तावित करता है, जो गोपनीयता सुदृढ़ता और सिस्टम दक्षता के बीच के समझौतों (ट्रेड-ऑफ) को उजागर करता है और हल्के ब्लूम फ़िल्टर-आधारित तरीकों की क्षमता को प्रदर्शित करता है।
यह शोध पत्र प्रदर्शित करता है कि बड़े भाषा मॉडल (large language models) की बार-बार आने वाले टोकन को गिनने में विफलता उनके आंतरिक रूप से सही गणना को दर्शाने में असमर्थता के कारण नहीं, बल्कि एक विशिष्ट फॉर्मेट-ट्रिगर वाली एमएलपी (MLP) तंत्र के कारण होती है जो आउटपुट जनरेशन के दौरान सटीक प्रतिनिधित्व को एक निश्चित गलत उत्तर के साथ ओवरराइट कर देती है।
यह शोध पत्र Sub-JEPA का प्रस्ताव करता है, जो विश्व मॉडलिंग (world modeling) के लिए जॉइंट-एम्बेडिंग प्रेडिक्टिव आर्किटेक्चर (JEPAs) की स्थिरता और लचीलेपन में सुधार करने हेतु पूर्ण एम्बिएंट स्पेस के बजाय कई रैंडम सबस्पेस में गॉसियन रेगुलराइजेशन लागू करता है, जिससे एक बेहतर बायस-वेरिएंस ट्रेडऑफ़ प्राप्त होता है और यह स्टेट-ऑफ-द-आर्ट LeWorldModel से बेहतर प्रदर्शन करता है।