21230 पेपर
यह शोध पत्र "Steal the Patch Size" को प्रस्तुत करता है, जो एक ब्लैक-बॉक्स हमला है जो विजन-लैंग्वेज मॉडल्स में टास्क-लेवल साइड-चैनल एक्यूरेसी ड्रॉप्स का फायदा उठाकर प्राइवेट टोकेनाइज़र कॉन्फ़िगरेशन, जैसे कि पैच साइज और प्रीप्रोसेसिंग पाइपलाइन्स को रिकवर करता है, जिससे लक्षित प्रतिकूल हेरफेर (एडवर्सरियल मैनिपुलेशन) सक्षम होता है।
यह शोध पत्र "लेटेंट मैप्स ऑफ परफॉरमेंस" (Latent Maps of Performance) प्रस्तुत करता है, जो एक गाइडेड वेरिएशनल ऑटोएन्कोडर (Guided Variational-Autoencoder) का उपयोग करता है जिसे पेशेवर स्टारक्राफ्ट II (StarCraft II) रिप्लेज़ पर प्रशिक्षित किया गया है ताकि क्रियाशील, बहु-चरणीय काउंटरफैक्चुअल फीडबैक प्रक्षेपवक्र (counterfactual feedback trajectories) उत्पन्न किए जा सकें जो विशेषज्ञ व्यवहार के सीखे गए लेटेंट स्पेस (latent space) में भ्रमण करके शौकिया खिलाड़ियों को जीतने वाली कॉन्फ़िगरेशन की ओर निर्देशित करते हैं।
StateFlow एक द्वैत-अवस्था पुनरावर्ती पूर्वानुमान ढांचा (dual-state recurrent forecasting framework) है जो लंबी अवधि के टाइम सीरीज़ पूर्वानुमान के लिए वेरिएबिलिटी-अवेयर रिकर्सिव न्यूरल नेटवर्क (VARNN) का विस्तार करता है, जो दो-चरणीय अनुकूलन रणनीति के माध्यम से प्राथमिक टेम्पोरल डायनेमिक्स और संरचित अवशिष्ट त्रुटियों (structured residual errors) को संयुक्त रूप से मॉडल करता है, और एक संक्षिप्त, रैखिक-पुनरावर्ती डिज़ाइन के साथ प्रतिस्पर्धी प्रदर्शन प्राप्त करता है।
यह शोध पत्र ORACLE-2 को प्रस्तुत करता है, जो एक मल्टीमॉडल डीप लर्निंग फ्रेमवर्क है जो लाइट कर्व्स, मेटाडेटा और छवियों को एकीकृत करता है ताकि ज़्विकी ट्रांजिएंट फैसिलिटी (Zwicky Transient Facility) अलर्ट स्ट्रीम में ट्रांजिएंट्स के रियल-टाइम वर्गीकरण में महत्वपूर्ण सुधार किया जा सके, जो सिंगल-मोडैलिटी मॉडल्स की तुलना में पर्याप्त प्रदर्शन लाभ प्रदर्शित करता है और LSST जैसे भविष्य के उच्च-वॉल्यूम सर्वेक्षणों के लिए स्केलेबल सिद्ध होता है।
यह शोध पत्र एक कंप्यूटर विज़न-आधारित दृष्टिकोण प्रस्तावित करता है जो शहरी वातावरण में रेडियोआइसोटोप की पहचान में सुधार के लिए न्यूरल नेटवर्क का लाभ उठाने हेतु लिस्ट-मोड गामा-रे डेटा को मल्टी-चैनलल स्पेक्ट्रोग्राम में परिवर्तित करता है, और यह प्रदर्शित करता है कि एक कन्वोल्यूशनल न्यूरल नेटवर्क RADAI बेंचमार्क पर कम फॉल्स पॉजिटिव दरों पर पारंपरिक नॉन-नेगेटिव मैट्रिक्स फैक्टराइजेशन विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र कम डेटा वाली स्थितियों में फेडरेटेड लर्निंग के तहत स्पार्स मॉडल डिस्कवरी के लिए एक एंट्रॉपी-रेगुलराइज्ड प्रोबेबिलिस्टिक गेटिंग मैकेनिज्म का प्रस्ताव करता है, जो समयपूर्व अभिसरण (प्रिमैचर कन्वर्जेंस) को रोकने के लिए पैरामीटर अनिश्चितता को बनाए रखता है और Fed-IHT एवं FedAvg जैसी मौजूदा विधियों की तुलना में बेहतर सांख्यिकीय प्रदर्शन और स्पर्सिटी रिकवरी प्राप्त करता है।
यह शोध पत्र अपरिचित काउंटरफैक्चुअल (counterfactual) और ऐतिहासिक दुनियाओं में फ्रंटियर एलएलएम (LLM) के भौतिकी तर्क (physics reasoning) का मूल्यांकन करने के लिए एक ऑडिट करने योग्य चार-चरणीय नैदानिक ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि जबकि मॉडल आम तौर पर गुणात्मक प्रवृत्तियों को समझते हैं, वे अक्सर नए नियमों को मात्रात्मक रूप से लागू करने में विफल रहते हैं और आत्म-सुधार (self-correction) के साथ महत्वपूर्ण रूप से संघर्ष करते हैं।
यह शोध पत्र एक न्यूरोमॉर्फिक प्रिमिटिव प्रस्तुत करता है जो दोलनी तंत्रिका नेटवर्क (ऑसिलेटरी न्यूरल नेटवर्क) में स्व-संगठित शिक्षण को सक्षम करने के लिए निरोधात्मक युग्मन (इनहिबिटरी कपलिंग्स) के साथ मेमरिस्टिव किनारों (मेमरिस्टिव एजेस) का उपयोग करता है, जो सर्किट सिमुलेशन और सैद्धांतिक विश्लेषण के माध्यम से यह प्रदर्शित करता है कि स्वायत्त एंटी-फेज अट्रैक्टर्स और मजबूत डीनोइजिंग क्षमताओं को साकार करने के लिए हस्ताक्षरित प्रभावी भार (साइंड इफेक्टिव वेट्स) आवश्यक हैं।
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।