22510 पेपर
यह शोध पत्र तर्क देता है कि एआई अलाइनमेंट (AI alignment) को केवल विविध मानवीय प्राथमिकताओं का संकलन नहीं करना चाहिए, जिनमें अक्सर हानिकारक कमियां शामिल होती हैं, बल्कि इसे सक्षमता, तथ्यात्मक सटीकता, ईमानदारी और कानूनन वैधता के एक गैर-परक्राम्य वस्तुनिष्ठ आधार पर आधारित होना चाहिए, जबकि बहुलवाद को इन मुख्य बाधाओं का सम्मान करने वाले सतही अनुकूलन और वैध मूल्य संबंधी समझौतों तक ही सीमित रखना चाहिए।
यह शोध पत्र स्पार्स (sparse), पैरामीटर-कुशल LoRA वेरिएंट्स (cLA और LA) का प्रस्ताव और मूल्यांकन करता है जो, सैद्धांतिक और अनुभवजन्य सामान्यीकरण त्रुटि सीमाओं (generalization error bounds) के बावजूद, मानक विधियों की तुलना में प्रशिक्षण समय और GPU मेमोरी उपयोग को कम करते हुए विविध मॉडलों और डेटासेट्स में प्रतिस्पर्धी प्रदर्शन प्राप्त करते हैं।
यह शोध पत्र को प्रस्तुत करता है, जो एक स्केलेबल 3D वर्ल्ड मॉडल है जो घने पिक्सेल या विशिष्ट कार्यों के बजाय इंटरेक्शन पॉइंट्स के सुचारू प्रक्षेपवक्र (trajectories) की भविष्यवाणी करता है, जिससे एक नवीन "TraceExtract" सिस्टम के माध्यम से एम्बोडिमेंट-अज्ञेय (embodiment-agnostic) रोबोट लर्निंग सक्षम होती है जो विविध वीडियो स्रोतों से स्वचालित रूप से 3D सुपरविजन उत्पन्न करता है।
यह शोध पत्र एक कॉन्फॉर्मल प्रेडिक्शन-आधारित कैलिब्रेशन लेयर का प्रस्ताव करता है जो अनकैलिब्रेटेड मशीन-लर्निंग विसंगति स्कोर (anomaly scores) को सांख्यिकीय रूप से कठोर, वितरण-मुक्त स्थानीय और वैश्विक p-मानों में रूपांतरित करता है, जो नई-भौतिकी खोजों में गलत खोजों को रोकने के लिए बैकग्राउंड मिसमॉडलिंग और लुक-एल्सवेयर प्रभाव को प्रभावी ढंग से ठीक करता है।
यह शोध पत्र स्थापित करता है कि पुनरावर्ती रूप से प्रशिक्षित डिफ्यूजन मॉडल अर्ली स्टॉपिंग (early stopping) के कारण अपरिहार्य रूप से एक अद्वितीय, गॉसियन-स्मूद्थेड (Gaussian-smoothed) सीमित वितरण की ओर अभिसरित होते हैं, इस पतन को स्पेक्ट्रल विश्लेषण के माध्यम से एक लो-पास फिल्टर के रूप में अभिलक्षित करता है, और संचयी त्रुटियों को समाप्त करने के लिए एनेल्ड ट्रंकेशन शेड्यूल्स (annealed truncation schedules) का प्रस्ताव देता है और व्यावहारिक खामियों के तहत इस आदर्श सीमा की सुदृढ़ता को सिद्ध करता है।
यह शोध पत्र स्प्रेडशीट्स में अगले-एक्शन (next-action) की भविष्यवाणी के लिए एक नवीन बेंचमार्क और ऑनलाइन मूल्यांकन ढांचा प्रस्तुत करता है, जो संपादन इतिहास (edit histories) की कमी और जटिल एक्शन स्पेस को संबोधित करने के लिए 52 मैन्युअल रूप से परिष्कृत एक्शन अनुक्रमों को क्यूरेट करता है और विभिन्न बेसलाइन मॉडलों का विश्लेषण करता है।
यह शोध पत्र "न्यूरल स्लैक वेरिएबल्स" प्रस्तुत करता है, जो एक गहरा शिक्षण दृष्टिकोण है जो एक प्राथमिक नेटवर्क को संयुक्त रूप से सीखे गए एक सहायक नेटवर्क के साथ जोड़ता है ताकि कार्यात्मक असमानता बाधाओं को प्रतिगमन (रिग्रेशन) समस्या में परिवर्तित किया जा सके, जिससे मोनोटोनिसिटी और कॉनवेक्सिटी कार्यों में शून्य बाधा उल्लंघन प्राप्त होता है और अस्थिरता सतहों (वोलैटिलिटी सर्फेस) के आर्बिट्राज-मुक्त शिक्षण को सक्षम बनाया जा सके।
FlowMo-WM एक एंड-टू-एंड ट्रेन करने योग्य विजुअल वर्ल्ड मॉडल है जो इमेज-एक्शन इतिहास को शॉर्ट-टर्म मोशन स्टेट्स और लॉन्ग-टर्म कॉन्टेक्स्ट रिप्रेजेंटेशन्स में फैक्टराइज़ करके उन ऑब्जेक्ट्स के लिए लॉन्ग-होरिज़न प्रेडिक्शन सटीकता में सुधार करता है जो हिडन एम्बिएंट ड्रिफ्ट के अधीन होते हैं, जिसमें फ्लो फील्ड्स के प्रत्यक्ष पर्यवेक्षण की आवश्यकता नहीं होती है।
यह शोध पत्र बड़े पैमाने के सेमीडेफिनेट प्रोग्राम्स (semidefinite programs) के लिए एक स्केलेबल डीप अनफोल्डिंग फ्रेमवर्क पेश करता है जो मैट्रिक्स-फ्री इम्प्लिसिट डिफरेंशिएशन (matrix-free implicit differentiation) और एक सुदृढ़ आइजनवैल्यू-अवेयर बैकवर्ड रूल के माध्यम से मेमोरी और संख्यात्मक स्थिरता की बाधाओं को दूर करता है, जिससे सीखे गए नीतियां (learned policies) अत्याधुनिक कोनिक सॉल्वर्स (conic solvers) की तुलना में 50 तक की गति वृद्धि प्राप्त करने में सक्षम होती हैं।
यह शोध पत्र ACD³-GAT को प्रस्तुत करता है, जो एक सुरक्षा-अनुबंध ग्राफ मल्टी-एजेंट सुदृढीकरण शिक्षण ढांचा (safety-contract graph multi-agent reinforcement learning framework) है जो CAGE चैलेंज 4 बेंचमार्क में पारंपरिक रिवॉर्ड-ओनली दृष्टिकोणों की तुलना में डाउनटाइम उल्लंघनों और लागतों को महत्वपूर्ण रूप से कम करते हुए, स्वायत्त नेटवर्क सुरक्षा प्रतिक्रिया प्रदर्शन और सख्त परिचालन बजट बाधाओं के बीच प्रभावी ढंग से संतुलन बनाता है।