20650 पेपर
CORA एक पैरामीटर-कुशल फाइन-ट्यूनिंग विधि है जो SVD आधारों (bases) पर प्रति-स्लाइस सुसंगत ऑर्थोगोनल रोटेशन और डायगोनल स्पेक्ट्रम शिफ्ट लागू करके प्रीट्रेन्ड वेट्स को अनुकूलित करती है, जिससे कम से कम प्रशिक्षण योग्य पैरामीटर्स का उपयोग करते हुए LoRA जैसी मौजूदा विधियों की तुलना में बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र तर्क देता है कि एआई (AI) मॉडलों के लिए विक्षोभ-आधारित (perturbation-based) रचना-वैधता ऑडिट (construct-validity audits) नाजुक हैं और मौन कार्यान्वयन विफलताओं के प्रति संवेदनशील हैं, जो गैर-पुष्टिपरक साक्ष्य को रोकने के लिए एक छह-बिंदु ड्यू-डिलिजेंस गेट का प्रस्ताव करता है और साथ ही यह प्रदर्शित करता है कि सुरक्षा बेंचमार्क और ओपन-वेट मॉडलों का एक विशिष्ट केस स्टडी ऑडिट विफलता के पांच मोड के इस नए वर्गीकरण के तहत पुष्टि मानकों को पूरा करने में विफल रहता है।
यह शोध पत्र चार ओपन-सोर्स एलएलएम (LLM) रिलीज़ लाइनों के एक अनुदैर्ध्य ऑडिट (longitudinal audit) के माध्यम से यह प्रदर्शित करता है कि विश्वसनीयता स्कोर (trustworthiness scores) क्रमिक चेकपॉइंट्स के दौरान महत्वपूर्ण रूप से विचलित होते हैं, और यह तर्क देता है कि ऐसे मेट्रिक्स को पुनर्मूल्यांकन के बिना आगे ले जाए जाने वाले स्थिर गुणों के बजाय, दिनांकित और चेकपॉइंट-विशिष्ट आर्टिफ़ैक्ट्स के रूप में माना जाना चाहिए।
यह शोध पत्र एक रैंडमाइज्ड रिफाइनमेंट एल्गोरिदम और एक शुद्धता-संरक्षण बैचिंग स्कीम को पेश करते हुए विशाल ग्राफों के लिए वीज़फाइलर-लेमैन स्थिर कलरिंग की गणना करने हेतु एक GPU-त्वरित दृष्टिकोण प्रस्तुत करता है, जो दो क्रमों (orders of magnitude) तक की गति वृद्धि प्राप्त करता है और 30 बिलियन से अधिक किनारों वाले वेब-स्केल ग्राफों के विश्लेषण को सक्षम बनाता है जो पहले अव्यवहार्य थे।
यह शोध पत्र बिजली की कीमतों के पूर्वानुमान के लिए टाइम सीरीज़ फाउंडेशन मॉडल्स का मूल्यांकन करने हेतु एक संदूषण-न्यूनतम (contamination-mitigated) बेंचमार्किंग फ्रेमवर्क प्रस्तुत करता है, जो यह प्रकट करता है कि हालांकि ये मॉडल प्रतिस्पर्धी हैं और कोवेरिएट सपोर्ट से लाभान्वित होते हैं, वे लगातार डोमेन-विशिष्ट विधियों से बेहतर प्रदर्शन नहीं करते हैं, जिससे यह सुझाव मिलता है कि दोनों दृष्टिकोणों का संयोजन सबसे आशाजनक परिणाम देता है।
GRAFT एक ज़ीरो-शॉट टेक्स्ट-टू-स्पीच सिस्टम है जो दुर्लभ और कठिन शब्दों के उच्चारण की सटीकता को महत्वपूर्ण रूप से सुधारने के लिए ग्राफ़्टेड रेफरेंस ऑडियो के साथ प्रति-शब्द कंडिशनिंग मैकेनिज्म का उपयोग करता है, जबकि प्राकृतिकता और वक्ता की समानता को बनाए रखता है।
यह शोध पत्र प्रदर्शित करता है कि फेडरेटेड लर्निंग (Federated Learning) वितरित ड्रोन बेड़े को स्थानीय डेटा पर उच्च-प्रदर्शन वाले, गोपनीयता-संरक्षित ऑब्जेक्ट डिटेक्शन मॉडल को सहयोगात्मक रूप से प्रशिक्षित करने में सक्षम बनाता है, जो डेटा केंद्रीकरण की आवश्यकता के बिना, एकल-ड्रोन दृष्टिकोणों की तुलना में काफी बेहतर प्रदर्शन करते हुए केंद्रीकृत प्रशिक्षण के करीब प्रदर्शन प्राप्त करता है।
यह शोध पत्र एक जनरेटर-अज्ञेय पोस्ट-जनरेशन क्यूरेशन पद्धति प्रस्तुत करता है जो वास्तविक वर्गों को कैनोनिकल और गैर-अतिरेक उपसमूहों में विभाजित करके सिंथेटिक छवियों की उपयोगिता में सुधार करती है ताकि एक विविध, उच्च-निष्ठा वाले उपसमूह का चयन किया जा सके जो आधुनिक जनरेटर्स के संरचनात्मक पूर्वाग्रह का मुकाबला करता है, जिससे 40% तक कम नमूनों के साथ वास्तविक डेटा के तुलनीय प्रदर्शन प्राप्त होता है।
यह शोध पत्र यह प्रदर्शित करता है कि, मानक डीप लर्निंग मॉडल्स के विपरीत जहाँ ओवरफिटिंग सौम्य (benign) हो सकती है, डिफ्यूजन मॉडल्स मौलिक रूप से ओवरफिटिंग करते हुए अच्छा सामान्यीकरण (generalization) प्राप्त नहीं कर सकते क्योंकि स्कोर मैचिंग में टार्गेट-कोवेरिएंस अलाइनमेंट का अभाव होता है, जिसके परिणामस्वरूप डबल डिसेंट के बजाय एक क्लासिकल यू-आकार का जनरलाइजेशन कर्व प्राप्त होता है।
यह शोध पत्र ASK+ प्रस्तुत करता है, जो एक ऐसा ढांचा है जो अप्रभावी नग्न प्रॉम्प्ट्स (bare prompts) को प्रक्षेपवक्र-जागरूक संदर्भ (trajectory-aware context) और चेन-ऑफ-थॉट रीजनिंग से बदलकर आंशिक रूप से दृश्य वातावरण (partially observable environments) में सुदृढीकरण सीखने (reinforcement learning) वाले एजेंटों को बेहतर बनाता है, जिससे छोटे भाषा मॉडलों को अर्थपूर्ण, अनिश्चितता-गेटेड मार्गदर्शन प्रदान करने में सक्षम बनाया जा सके जो वैनिला दृष्टिकोणों की तुलना में काफी बेहतर प्रदर्शन करता है और बड़े मॉडलों की आवश्यकता के बिना कुशलतापूर्वक स्केल होता है।