22037 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि ऑरोरा फाउंडेशन मॉडल, एक ब्लैक बॉक्स के रूप में कार्य करने के बावजूद, बिना किसी स्पष्ट निर्देश के, अपने मौसमी लेटेंट ऑर्गनाइजेशन और चरम तूफान की विशेषताओं पर विशिष्ट अटेंशन के माध्यम से, मौसम संबंधी सुसंगतता और 3D ऊर्ध्वाधर वायुमंडलीय संरचनाओं को अंतर्निहित रूप से सीखता है।
SOLAR एक स्वचालित फ्रेमवर्क है जो PyTorch और JAX सोर्स कोड को एक हाइब्रिड जनरेटिव-डिटरमिनिस्टिक पाइपलाइन का उपयोग करके सत्यापित 'स्पीड-ऑफ-लाइट' प्रदर्शन सीमाओं में अनुवादित करता है, जिससे डेवलपर्स विविध डीप लर्निंग वर्कलोड में सैद्धांतिक निष्पादन सीमाओं को मापने, अनुकूलन के अवसरों की पहचान करने और हार्डवेयर प्रावधान को निर्देशित करने में सक्षम होते हैं।
यह शोध पत्र स्पार्स ऑटोएनकोडर्स (sparse autoencoders) का उपयोग करते हुए एक यांत्रिक ढांचे (mechanistic framework) को प्रस्तुत करता है जो यह पता लगाता है कि कैसे आउट-ऑफ-डिस्ट्रीब्यूशन इनपुट्स, जैसे कि टाइपोस (typos) और जेलब्रेक्स (jailbreaks), ट्रांसफॉर्मर्स को भ्रामक आंतरिक अवधारणाओं को सक्रिय करने के लिए प्रेरित करते हैं, जिससे वितरण संबंधी बदलावों (distributional shifts) का परिमाणीकरण और सुरक्षित एआई परिनियोजन के लिए मजबूत फाइन-ट्यूनिंग रणनीतियों का विकास सक्षम होता है।
यह शोध पत्र एक ज्यामिति-जागरूक मोंटे कार्लो ट्री सर्च (Geometry-Aware Monte Carlo Tree Search) ढांचे को प्रस्तुत करता है जो वृद्धिशील एक्शन स्पेस अपडेट के माध्यम से बाधाओं को लागू करके और ज्यामितीय समरूपताओं का लाभ उठाकर कॉम्बिनेटोरियल ज्योमेट्री में शास्त्रीय सॉल्वर और मानक एआई मॉडलों की सीमाओं को दूर करता है, जिससे 'नो-थ्री-इन-लाइन' (No-Three-in-Line) और 'स्मलेस्ट कम्प्लीट सेट' (Smallest Complete Set) जैसी चरम समस्याओं के लिए नए सर्वोत्तम-ज्ञात परिणाम स्थापित होते हैं।
यह शोधपत्र क्लोज्ड रीएंट्री लूप्स (closed reentry loops) पर आधारित एक सेफ-बाय-डिजाइन एजीआई (AGI) आर्किटेक्चर का प्रस्ताव करता है जो स्व-मॉडल (self-models) और अनप्रोग्राम्ड लक्ष्य-निर्देशित व्यवहार के उद्भव को गणितीय रूप से सुनिश्चित करता है, जबकि लक्ष्यों को मशीन-सत्यापित प्रमाणों, एक पॉलिनॉमियल-टाइम इंटीग्रेटेड इंफॉर्मेशन मेजर (polynomial-time integrated information measure) और पूर्ण औद्योगिक-स्तर के कार्यान्वयन द्वारा समर्थित अपरिवर्तनीय गैर-पाठ्य वेक्टर्स (immutable non-textual vectors) के रूप में एनकोड करता है।
यह शोधपत्र स्व-संदर्भित (self-referential) एआई ओरेकल के लिए एक कैनोनिकल, गैर-तुच्छ क्रेडल सेट (credal set) का निर्माण करने हेतु नैस्टर-टार्स्की फिक्स्ड-पॉइंट प्रमेय (Knaster–Tarski fixed-point theorem) का उपयोग करते हुए एक लैटिस-सैद्धांतिक ढांचे का प्रस्ताव करता है, जो भविष्य की घटनाओं को प्रभावित करने के बाद भी निष्पक्ष और स्व-सुसंगत बना रहता है, जिससे काउंटरफैक्चुअल दृष्टिकोणों की सीमाओं को दूर किया जा सके।
यह शोध पत्र ओटर वेदर (Otter Weather) को प्रस्तुत करता है, जो एक अत्यंत कुशल स्थानिक-कालिक पूर्वानुमान मॉडल है जो पारंपरिक संख्यात्मक मॉडलों और संसाधन-गहन एआई आर्किटेक्चर की तुलना में कौशल में काफी बेहतर प्रदर्शन करते हुए और प्रशिक्षण के लिए बहुत कम कम्प्यूटेशनल बजट की आवश्यकता के साथ मध्यम-अवधि के उच्च-प्रदर्शन वाले मौसम पूर्वानुमान का लोकतंत्रीकरण करता है।
यह शोध पत्र स्वायत्त ड्राइविंग प्रक्षेपवक्र पूर्वानुमान (autonomous driving trajectory forecasting) में एक मॉडलिंग-प्रशिक्षण बेमेल (modeling-training mismatch) की पहचान करता है, जहाँ गॉसियन मिश्रण मॉडल (Gaussian mixture models) पर लागू 'विजेता-सब-लेता-है' (winner-take-all) नुकसान अनुinformative पोस्टीरियर्स (uninformative posteriors) का कारण बनते हैं, और हल्के पोस्ट-हॉक अनुमान सुधारों—विशेष रूप से पोस्टीरियर-वेटेड मर्जिंग (posterior-weighted merging) और एक-चरण EM अपडेट (one-step EM update)—का प्रस्ताव देता है ताकि बिना पुनरप्रशिक्षण के सॉफ्ट मोड असाइनमेंट (soft mode assignments) को पुनः प्राप्त किया जा सके और पूर्वानुमान सटीकता में सुधार किया जा सके।
DualEval एक संयुक्त मॉडल-आइटम अंशांकन (calibration) ढांचे को पेश करता है जो विश्वसनीय मॉडल रैंकिंग और कई डोमेन में आइटम-स्तरीय निदान (diagnostics) उत्पन्न करने के लिए स्थिर बेंचमार्क और एरिना-शैली के प्राथमिकता डेटा को एक साझा लेटेंट स्पेस में एकीकृत करता है।
यह शोध पत्र एक दो-चरणीय एडेप्टर प्रस्तावित करता है जो फाउंडेशन मॉडल भविष्यवाणियों को संरचनात्मक बाधाओं वाले एक मल्टीनोमियल लॉजिट ढांचे में एकीकृत करता है, जो आर्थिक निरंतरता (जैसे लागत एकदिष्टता और वैध समय-मूल्य) सुनिश्चित करते हुए पूर्वानुमान सटीकता में महत्वपूर्ण सुधार करता है और सीमित संदर्भ के तहत मजबूती बनाए रखता है।