20386 पेपर
यह अध्ययन प्रदर्शित करता है कि बाइट-पेयर एनकोडिंग (BPE) और यूनिग्राम-LM रासायनिक SMILES के लिए मौलिक रूप से भिन्न और लगभग विलग (near-disjoint) सबवर्ड वोकैबुलरी (subword vocabularies) उत्पन्न करते हैं, जो यह दर्शाता है कि टोकेनाइजेशन एल्गोरिदम का चयन एक महत्वपूर्ण मॉडलिंग निर्णय है न कि एक तटस्थ डिफ़ॉल्ट।
यह शोध पत्र एक पावर-कैलिब्रेटेड सांख्यिकीय ढांचे को प्रस्तुत करता है जो वॉटरमार्क हाइपरपैरामीटर, डिटेक्शन पावर और सिमेंटिक डिस्टॉर्शन के बीच स्पष्ट मात्रात्मक संबंध स्थापित करता है, जिससे हीयुरिस्टिक ट्यूनिंग पर निर्भर रहे बिना एलएलएम (LLM) वॉटरमार्किंग में इष्टतम ट्रेड-ऑफ प्राप्त करने के लिए सिद्धांतपूर्ण पैरामीटर चयन सक्षम होता है।
यह शोध पत्र एक स्रोत-निर्देशित प्रोटोकॉल का प्रस्ताव करता है जहाँ लार्ज लैंग्वेज मॉडल्स (LLMs) उसी परिवार के एक अधिक शक्तिशाली मॉडल का लाभ उठाकर वैध न्यूरल नेटवर्क संशोधनों को उत्पन्न करते हैं, जो गैर-स्रोत नियंत्रणों की तुलना में महत्वपूर्ण सटीकता सुधार प्रदर्शित करता है और यह पुष्टि करता है कि LLMs केवल स्रोत आर्किटेक्चर की नकल करने के बजाय प्रभावी ढंग से अनुकूलित होते हैं।
यह शोध पत्र एक कम-ओवरहेड, दूरी-4 द्विचरीय (bivariate) बाइसिकल कोड-आधारित क्वांटम त्रुटि सुधार तकनीक का प्रस्ताव करता है जो असुरक्षित मॉडलों की अभिसरण विफलताओं और पारंपरिक सतह कोडों की उच्च क्यूबिट लागतों को दूर करके व्यावहारिक, शोर-लचीले क्वांटम कनवल्शनल न्यूरल नेटवर्क को सक्षम बनाता है।
यह शोध पत्र यह स्थापित करता है कि मीन-फील्ड बेयसियन न्यूरल नेटवर्क के लिए, एक लक्षित फलन (target function) अनंत चौड़ाई (infinite width) पर बहुपद नमूनों (polynomial samples) से तभी सीखने योग्य है जब वह बहुपद चौड़ाई पर सीखने योग्य हो, बशर्ते कि इसकी न्यूनीकरण एंट्रॉपी (reduced entropy) बहुपद रूप से सीमित हो, जिससे यह सिद्ध होता है कि अनंत-चौड़ाई की सीमा (infinite-width limit) बिना किसी मिथ्या सामान्यीकरण शक्ति (spurious generalization power) को पेश किए, परिमित नेटवर्क के जटिलता-सैद्धांतिक प्रेरणात्मक पूर्वाग्रह (complexity-theoretic inductive bias) को संरक्षित करती है।
यह शोध पत्र HARVEY को प्रस्तुत करता है, जो एक प्रशिक्षण-समय (training-time) रक्षा है जो सौहार्दपूर्ण (benign) नमूनों के बजाय विषाक्त (poisonous) नमूनों के लिए एक ओरेकल (oracle) सीखने के माध्यम से मौजूदा विधियों से बेहतर प्रदर्शन करता है, जिससे प्राकृतिक सटीकता पर न्यूनतम प्रभाव के साथ लगभग पूर्ण बैकडोर निष्कासन सक्षम होता है।
यह शोधपत्र एक ऐसा बूस्टिंग एल्गोरिदम प्रस्तुत करता है जो लिस्ट-डिकोडेबल कोड्स (list-decodable codes) के साथ एक नवीन संबंध का लाभ उठाकर, सीमित XOR ऑपरेशन्स से बंद (closed under limited XOR operations) कॉन्सेप्ट क्लासेज के लिए मानक राउंड कॉम्प्लेक्सिटी लोअर बाउंड को दरकिनार करते हुए, अतिरिक्त नमूनों के एक एकल बैच के साथ राउंड प्राप्त करता है।
यह शोध पत्र बैंडिट फीडबैक वाले दोहराए जाने वाले प्रासंगिक खरीद नीलामियों (contextual procurement auctions) के लिए दो तंत्रों का प्रस्ताव और विश्लेषण करता है: एक सटीक रूप से सत्यनिष्ठ 'एक्सप्लोर-देन-कमिट' एल्गोरिदम जो रिग्रेट प्राप्त करता है, और एक फ्रोजन-पेमेंट UCB तंत्र जो कल्याणकारी रिग्रेट (welfare regret) और प्रोत्साहन त्रुटि (incentive error) के बीच के ट्रेडऑफ को अनुकूलित करता है, जिसमें इस ट्रेडऑफ की इष्टतमता को सिद्ध करने वाला एक मिलान संबंधी निचला स्तर (matching lower bound) भी शामिल है।
यह शोधपत्र टू-साइडेड एल-बीएफजीएस (Two-Sided L-BFGS) प्रस्तुत करता है, जो एल-बीएफजीएस एल्गोरिदम का एक सुरक्षित संस्करण है जो इनवर्स हेसियन सन्निकटन (inverse Hessian approximation) के कंडीशन नंबर पर एक समान ऊपरी सीमा लागू करने के लिए टू-साइडेड ज्योमेट्रिक एनवेलप का उपयोग करता है, जिससे बिना किसी कम्प्यूटेशनल जटिलता को बढ़ाए गैर-उत्तल अनुकूलन (non-convex optimization) में संख्यात्मक स्थिरता और वैश्विक अभिसरण गारंटी सुनिश्चित होती है।
यह शोध पत्र TENSOR को प्रस्तुत करता है, जो एक नवीन अनसुपरवाइज्ड (unsupervised) फ्रेमवर्क है जो टेम्पोरल पॉइंट प्रोसेस (Temporal Point Processes) के माध्यम से उपयोगकर्ताओं के समन्वित टेम्पोरल व्यवहारों को मॉडल करके और उनके टेक्स्टुअल कंटेंट के लार्ज लैंग्वेज मॉडल (LLM) विश्लेषण से प्राप्त मात्रात्मक स्कोर के साथ इन संकेतों को परिष्कृत करके सूचना परिचालन (information operations) उपयोगकर्ताओं का पता लगाता है, जिससे यह वास्तविक दुनिया के डेटासेट पर मौजूदा विधियों से बेहतर प्रदर्शन करता है।