28152 पेपर
यह शोधपत्र एक गैर-मार्कोवियन सुदृढीकरण शिक्षण (नॉन-मार्कोवियन रीइन्फोर्समेंट लर्निंग) के लिए एक रिवॉर्ड-केंद्रित ढांचे को प्रस्तुत करता है जो एजेंट स्टेट डायनेमिक्स और कंट्रोल पॉलिसी को संयुक्त रूप से अनुकूलित करता है, एक नवीन पॉलिसी ग्रेडिएंट थ्योरम और ASMPG एल्गोरिदम को स्थापित करता है जिसमें सैद्धांतिक अभिसरण गारंटी और प्रेडिक्टिव बेसलाइन्स की तुलना में बेहतर अनुभवजन्य प्रदर्शन है।
यह शोध पत्र आवधिक संकेतों (periodic signals) को दर्शाने में स्केलर कोणीय मापों (scalar angular measures) की सीमाओं को दूर करने के लिए उच्च-आयामी, वास्तविक-मान वाले आवधिक एम्बेडिंग (high-dimensional, real-valued periodic embeddings) का उपयोग करने का प्रस्ताव देता है, विशेष रूप से यह प्रदर्शित करता है कि स्थानिक सिमेंटिक पॉइंटर्स (Spatial Semantic Pointers) ढांचे के भीतर डिरिचलेट और आवधिक गाऊसी कर्नेल (Dirichlet and periodic Gaussian kernels) का निर्माण कैसे किया जाए।
यह शोध पत्र MaD Physics को प्रस्तुत करता है, जो एक नया बेंचमार्क है जिसे परिवर्तित भौतिक नियमों वाले वातावरण में परीक्षण करके एआई एजेंटों की भौतिक नियमों को अनुमान लगाने और संसाधन संबंधी बाधाओं के तहत मापन की योजना बनाने की क्षमता का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जिससे वर्तमान जेमिनी (Gemini) मॉडलों की वैज्ञानिक तर्क और संरचित अन्वेषण क्षमताओं की सीमाओं का पता चलता है।
यह शोध पत्र SLIM को प्रस्तुत करता है, जो एक प्लग-एंड-प्ले फ्रेमवर्क है जो स्पार्स ऑटोएन्कोडर (Sparse Autoencoder) के माध्यम से हिडन स्टेट्स को स्पार्स, व्याख्या योग्य फीचर्स में विघटित करके लार्ज लैंग्वेज मॉडल्स में प्रॉपर्टी-डायरेक्टेड मॉलिक्यूलर एडिटिंग को बेहतर बनाता है, जिससे मॉडल के पैरामीटर्स को संशोधित किए बिना सटीक स्टीयरिंग संभव होती है जो एडिटिंग की सफलता दर को महत्वपूर्ण रूप से बढ़ा देती है।
ट्रांसकोडा (Transcoda) एक डेटा-केंद्रित, ज़ीरो-शॉट ऑप्टिकल म्यूजिक रिकग्निशन सिस्टम है जो उन्नत सिंथेटिक डेटा जनरेशन, कर्न एनकोडिंग नॉर्मलाइज़ेशन (kern encoding normalization), और ग्रामर-आधारित डिकोडिंग का लाभ उठाता है ताकि एक संक्षिप्त मॉडल को प्रशिक्षित किया जा सके जो सिंथेटिक और ऐतिहासिक शीट म्यूजिक बेंचमार्क दोनों पर मौजूदा बिलियन-पैरामीटर बेसलाइन से काफी बेहतर प्रदर्शन करता है।
Clin-JEPA एक स्थिर, पांच-चरणीय सह-प्रशिक्षण ढांचे को पेश करता है जो जॉइंट-एम्बेडिंग प्रेडिक्टिव आर्किटेक्चर (JEPA) को EHR डेटा के अनुकूल बनाने में सफलतापूर्वक सक्षम बनाता है, जिससे एक एनकोडर और प्रेडिक्टर को संयुक्त रूप से प्रशिक्षित करके, एक एकल बैकबोन को प्रति-कार्य फाइन-ट्यूनिंग के बिना बेहतर लेटेंट-स्पेस प्रक्षेपवक्र पूर्वानुमान और बहु-कार्य जोखिम भविष्यवाणी प्राप्त करने में सक्षम बनाया जा सके।
यह शोध पत्र इंस्टेंस-आधारित सशर्त विसंगति पहचान (कंडीशनल अनोमली डिटेक्शन) विधियों की जांच करता है जो रोगी डेटा में असामान्य पैटर्न की पहचान करने के लिए अनुकूलित दूरी मेट्रिक्स का उपयोग करते हैं, जो कम्युनिटी-एक्वायर्ड निमोनिया के लिए अनियमित प्रवेश निर्णयों और हेपरिन-प्रेरित थ्रोम्बोसाइटोपेनिया से संबंधित असामान्य HPF4 परीक्षण आदेशों का पता लगाने में उनकी प्रभावशीलता को प्रदर्शित करता है।
यह शोध पत्र BEACON को प्रस्तुत करता है, जो 28 *Valorant* खिलाड़ियों के सिंक्रोनाइज़्ड गेमप्ले डेटा से बना एक बड़े पैमाने का मल्टीमॉडल डेटासेट है, जिसे वास्तविक प्रतिस्पर्धी तनाव के तहत उच्च-सटीक मोटर और संज्ञानात्मक संकेतों को कैप्चर करके निरंतर प्रमाणीकरण (continuous authentication) और व्यवहारिक फिंगरप्रिंटिंग अनुसंधान को आगे बढ़ाने के लिए डिज़ाइन किया गया है।
यह शोध पत्र सेल्फ-ऑप्टिमाइज़िंग लैंग्वेज मॉडल्स (SOL) को प्रस्तुत करता है, जो एक फ्रोजन (frozen) LLM को एक हल्के पॉलिसी नेटवर्क के साथ जोड़ता है ताकि स्पर्सिटी (sparsity), प्रूनिंग और क्वांटाइजेशन को समायोजित करके प्रति टोकन परिवर्तनीय कंप्यूटेशन बजट को गतिशील रूप से आवंटित किया जा सके, जिससे स्टेटिक एलोकेशन रणनीतियों की तुलना में इन्फरेंस गुणवत्ता और दक्षता में उल्लेखनीय सुधार होता है।
यह शोध पत्र AssayBench प्रस्तुत करता है, जो 1,920 CRISPR स्क्रीन्स से बना एक नया बेंचमार्क है जिसे सेलुलर फेनोटाइपिक परिणामों (cellular phenotypic outcomes) की भविष्यवाणी करने के लिए लार्ज लैंग्वेज मॉडल्स और एजेंट्स की क्षमता का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि ज़ीरो-शॉट जनरलिस्ट LLMs वर्तमान में विशिष्ट जीव विज्ञान मॉडल्स (specialized biology models) से बेहतर प्रदर्शन करते हैं और साथ ही एक सुदृढ़ वर्चुअल सेल मॉडल प्राप्त करने की दिशा में सुधार की महत्वपूर्ण गुंजाइश को भी उजागर करते हैं।