19766 पेपर
यह शोध पत्र डायनामिकल सिस्टम टूल्स और प्लेनर एनालिसिस का उपयोग करके उन विशिष्ट स्थितियों को स्थापित करता है जिनके अंतर्गत आर. थॉमस की यह परिकल्पना—कि मल्टी-स्टेशनैरिटी के लिए धनात्मक सर्किट (positive circuits) का अस्तित्व एक आवश्यक शर्त है—प्लेनर सिस्टम्स के लिए सत्य सिद्ध होती है।
यह शोधपत्र ToolAnchor प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो टीचर मॉडल्स का उपयोग करके काउंटरफैक्टुअल एंकर कॉन्टेक्स्ट (counterfactual anchor contexts) को जेनरेट और वेरिफाई करता है, जिससे टूल-ऑगमेंटेड एजेंट्स में व्यवहार संबंधी जड़ता (behavioral inertia) को कम किया जा सके और बिना पूर्ण रिट्रेनिंग के नए टूलसेट्स के प्रति स्केलेबल अनुकूलन सक्षम बनाया जा सके।
यह अध्ययन प्रकट करता है कि प्रीफिल-आधारित जेलब्रेक सुरक्षा को एक उथले, रिस्पॉन्स-साइट कंप्यूटेशन का लाभ उठाकर दरकिनार कर देते हैं जहाँ मॉडल का हानिकारक निरंतरता (continuation) मुख्य रूप से प्रारंभिक "Sure, here is" प्रॉम्प्ट पर निष्क्रिय ऑटो-रिग्रेसिव कंडीशनिंग द्वारा संचालित होता है, न कि एक अक्षुण्ण हानि प्रतिनिधित्व (harm representation) के दमन द्वारा।
यह शोध पत्र ITGPT को प्रस्तुत करता है, जो एक ट्रांसफॉर्मर-आधारित आर्किटेक्चर है जिसे डांस डांस रेवोल्यूशन और इन द ग्रूव चार्ट्स के निर्माण को स्वचालित करने के लिए डिज़ाइन किया गया है, जो पिछले तरीकों की तुलना में सटीकता और कम्प्यूटेशनल दक्षता दोनों में महत्वपूर्ण सुधार प्राप्त करता है।
यह शोध पत्र एक न्यूरो-सिम्बोलिक एजेंटिक फ्रेमवर्क प्रस्तावित करता है जो रिलेशनल ग्राफ कन्वोल्यूशनल नेटवर्क संकेतों को एकीकृत करके स्मॉल लैंग्वेज मॉडल्स की मल्टी-हॉप रीजनिंग क्षमताओं को बढ़ाता है, यह प्रकट करते हुए कि जबकि विशेषज्ञ मार्गदर्शन प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है, यह दृष्टिकोण त्रुटिपूर्ण तथ्य निष्कर्षण और अनुक्रमिक निगमन की भंगुरता द्वारा सीमित बना हुआ है।
यह शोध पत्र scVision को प्रस्तुत करता है, जो एक विजन फाउंडेशन मॉडल है जो सिंगल-सेल ट्रांसक्रिप्टोम को सह-अभिव्यक्ति (co-expression) के आधार पर जीन को स्थानिक रूप से व्यवस्थित करके निरंतर छवियों में परिवर्तित करता है, जिससे केवल न्यूरल नेटवर्क आर्किटेक्चर के बजाय जीन लेआउट में निहित जैविक संकेत का लाभ उठाते हुए बिना फाइन-ट्यूनिंग के अत्याधुनिक ज़ीरो-शॉट सेल-टाइप एनोटेशन और जीन प्रोग्राम रिकवरी सक्षम होती है।
यह शोध पत्र प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल द्वारा संश्लेषित कोड वर्ल्ड मॉडल्स (Code World Models) नमूने गए डेटा पर लगभग पूर्ण संक्रमण सटीकता (transition accuracy) प्राप्त कर सकते हैं, फिर भी नियोजन (planning) में व्यवस्थित रूप से विफल हो जाते हैं क्योंकि वे दुर्लभ लेकिन महत्वपूर्ण नियमों को छोड़ देते हैं, जो यह प्रकट करता है कि प्ले परफॉरमेंस या सर्च-डिस्ट्रीब्यूशन कवरेज की तुलना में नियोजन-उन्मुख वर्ल्ड मॉडल्स के लिए प्रेडिक्शन एक्यूरेसी एक अपर्याप्त मीट्रिक है।
यह शोध पत्र यह प्रदर्शित करता है कि जहाँ पूर्ण-पाठ 10-K फाइलिंग सेक्टर और पोर्टफोलियो-स्तर के रिटर्न और अस्थिरता के पूर्वानुमानों के लिए बेहतर सेंटिमेंट मेट्रिक्स प्रदान करती हैं, वहीं संकीर्ण 'आइटम 1A रिस्क-फैक्टर' अनुभाग दस्तावेज़ की मात्रा और उपलब्ध प्रशिक्षण संकेत के बीच के अंतर्संबंध के कारण व्यक्तिगत फर्म स्तर पर बेहतर प्रदर्शन करते हैं, जिससे एक पर्यवेक्षित लेक्सिकन-लर्निंग दृष्टिकोण को नियामक प्रकटीकरण विश्लेषण के लिए पारंपरिक शब्दकोशों की तुलना में अधिक प्रभावी रूप से स्थापित किया गया है।
यह शोध पत्र RENEW का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो ऑफलाइन सुदृढीकरण शिक्षण (ऑफलाइन रिइन्फोर्समेंट लर्निंग) वर्ल्ड मॉडल्स में मॉडल शोषण (मॉडल एक्सप्लोइटेशन) को सीधे सुधारने के लिए कल्पित रोलआउट्स (इमेजिन्ड रोलआउट्स) पर मानवीय प्राथमिकताओं का लाभ उठाता है, और कुशल फाइन-ट्यूनिंग को निर्देशित करने के लिए एपिस्टेमिक अनसर्टेनिटी (एपिस्टेमिक अनसर्टेनिटी) का उपयोग करता है, जिससे अतिरिक्त विशेषज्ञ प्रदर्शनों की आवश्यकता के बिना सैंपल दक्षता और सामान्यीकरण में सुधार होता है।
यह शोध पत्र कई बेंचमार्क पर बड़े कोड मॉडल्स पर छह अत्याधुनिक क्वांटाइजेशन विधियों का अनुभवजन्य मूल्यांकन करता है, जिससे यह पता चलता है कि जहाँ सुरक्षा स्थिर रहती है, वहीं AQLM जैसी तकनीकें पूर्ण-परिशुद्धता (full-precision) प्रदर्शन के बराबर हो सकती हैं जबकि अन्य जटिल प्रॉम्प्ट्स पर काफी घट जाती हैं, जिससे संसाधन-सीमित हार्डवेयर पर कोड जनरेशन मॉडल्स को तैनात करने के लिए व्यावहारिक मार्गदर्शन प्राप्त होता है।