21230 पेपर
यह शोध पत्र EPC (इवैल्यूएटर प्रेफरेंस कपलिंग) को प्रस्तुत करता है, जो एक मानकीकृत, ओपन-सोर्स प्रोटोकॉल और वर्शन्ड रेफरेंस स्नैपशॉट है जिसे क्लोज्ड-लूप LLM एजेंट सिस्टम में इवैल्यूएटर बायस प्रोपेगेशन के पुनरुत्पादक मापन, क्रॉस-तुलना और क्षय का पता लगाने में सक्षम बनाने के लिए डिज़ाइन किया गया है।
यह शोध पत्र साक्ष्य आधार को पाँच से बढ़ाकर ग्यारह स्थितियों में विस्तारित करके LLM मूल्यांकन प्रणालियों में बायस-विश्वसनीयता (bias-reliability) के ट्रेडऑफ को अनुभवजन्य रूप से मान्य करता है, जो यह प्रदर्शित करता है कि इवैलुएटर कपलिंग, रणनीति विविधता और मापन विश्वसनीयता को एक साथ अनुकूलित नहीं किया जा सकता है और GPT-4o स्थितियों में वर्ज़न ड्रिफ्ट (version drift) के एक विशिष्ट पैटर्न को प्रकट करता है।
यह शोध पत्र यह स्थापित करता है कि फूरियर न्यूरल ऑपरेटर्स, स्थिर स्पेक्ट्रल विविक्तकरणों (stable spectral discretizations) का लाभ उठाकर, बहुपद या सुचारू गैर-रेखीयताओं वाले व्यापक प्रकार के विसरणात्मक विकास समीकरणों (dissipative evolution equations) के समाधान ऑपरेटरों को कुशलतापूर्वक अनुमानित और सीख सकते हैं, जिससे इनपुट की सुगमता, डोमेन आयाम और गैर-रेखीयता की विशेषताओं पर निर्भर एकसमान सन्निकटन सीमाएं और बहुपद नमूना जटिलता गारंटी प्रदान की जा सकती है।
यह शोध पत्र K-Inverse-RFM को प्रस्तुत करता है, जो एक संशोधित रिकर्सिव फीचर मशीन है जो डेटा-दूषित गणितीय कार्यों में प्रदर्शन संबंधी सीमाओं को दूर करने के लिए एक नवीन लेबल ट्रांसफॉर्मेशन का उपयोग करता है, जिससे यह फीडफॉरवर्ड न्यूरल नेटवर्क के बराबर या उससे भी बेहतर प्रदर्शन करने में सक्षम होता है।
यह शोध पत्र मोबाइल ऑन-डिवाइस एआई (MoAI) सिस्टम की सुरक्षा पर ज्ञान का पहला व्यापक व्यवस्थितकरण प्रस्तुत करता है, जो एक आधारभूत ढांचा स्थापित करता है जिसमें उनके सुरक्षा स्तंभ, हमले और रक्षा के परिदृश्य, पहचाने गए शोध अंतराल और भविष्य की दिशाएं शामिल हैं।
यह शोध पत्र GenDa को प्रस्तुत करता है, जो एक एकीकृत अनसुपरवाइज्ड सुदृढीकरण लर्निंग (unsupervised reinforcement learning) फ्रेमवर्क है, जो गैर-स्थिर कौशल अर्थों (non-stationary skill semantics) को संबोधित करने के लिए एक स्किल रिलेबलिंग तंत्र और वितरण बदलावों (distribution shifts) के विरुद्ध मजबूती सुनिश्चित करने के लिए एक पूरक सूचना बाधा (Complementary Information Bottleneck) के माध्यम से डेटा दक्षता और सामान्यीकरण क्षमता को बढ़ाता है।
यह शोध पत्र प्रकट करता है कि लार्ज लैंग्वेज मॉडल्स में अधिकार-प्रेरित चाटुकारिता केवल एक सतही पूर्वाग्रह नहीं है, बल्कि एक यांत्रिक घटना है जहाँ उच्च-स्तरीय अधिकार संकेत सही तथ्यात्मक निरूपणों के स्तर-स्थानीय विलोपन को ट्रिगर करते हैं, जो कथित विशेषज्ञता के प्रति क्रमिक सम्मान के साथ साक्ष्य को अधिग्रहित कर लेता है।
यह शोधपत्र इन्फॉर्मेशन-रेग्युलेटेड अटेंशन (IRA) को प्रस्तुत करता है, जो एक स्टोकेस्टिक अटेंशन मैकेनिज्म है जो विजन-लैंग्वेज मॉडल्स में विजुअल इंफॉर्मेशन फ्लो को स्पष्ट रूप से नियंत्रित करने के लिए रिप्रेजेंटेशन अनसर्टेन्टी को इंडिपेंडेंट लोकल नॉइज़ में रूपांतरित करता है, जिससे विजुअल ग्राउंडिंग और ट्रेनिंग स्टेबिलिटी को बढ़ाकर मतिभ्रम (hallucinations) और अस्थिरता को कम किया जा सके।
यह शोधपत्र यह प्रदर्शित करता है कि सब्सक्रिप्शन चर्न (subscription churn) पूर्वानुमान के लिए इष्टतम अवलोकन विंडो (observation window), विशिष्ट कोहॉर्ट निर्माण (cohort construction), लक्ष्य परिभाषाओं और फीचर परिवारों पर अत्यधिक निर्भर है, जैसा कि KKBox डेटासेट में एक घटते-प्रतिफल वक्र (diminishing-returns curve) से प्रमाणित होता है जो विभिन्न प्रयोगात्मक डिजाइनों के तहत उलट जाता है।
यह अध्ययन IEEE-CIS धोखाधड़ी डेटासेट पर सात श्रेणीबद्ध एन्कोडिंग विधियों का मूल्यांकन करता है, जिसमें यह पाया गया कि एंटिटी एम्बेडिंग्स संयुक्त मल्टी-कॉलम निरूपणों का लाभ उठाकर उच्चतम AUC-ROC प्राप्त करते हैं (CatBoost के साथ टाई), जबकि वे पारंपरिक टियर ग्रुप एन्कोडिंग से बेहतर प्रदर्शन करते हैं और AUC-PR में ट्री-आधारित पाइपलाइनों का मुकाबला करने में विफल रहते हैं।