22510 पेपर
यह शोधपत्र ज़ेटा (Zeta) को प्रस्तुत करता है, जो एक डुअल व्हाइटनिंग ऑप्टिमाइज़र है जो स्केल विषमता (scale heterogeneity) को ठीक करने के लिए स्पेक्ट्रल व्हाइटनिंग से पहले कोऑर्डिनेट व्हाइटनिंग लागू करके मौजूदा मैट्रिक्स-अवेयर विधियों की महत्वपूर्ण भेद्यता को संबोधित करता है, जिससे बड़े पैमाने के भाषा और विज़न मॉडल में अभिसरण (convergence) और सामान्यीकरण (generalization) में सुधार होता है।
यह शोध पत्र CORD-SLS प्रस्तुत करता है, जो एक वास्तविक समय (real-time) नियंत्रण ढांचा है जो अनिश्चितता के तहत रस्सी और कपड़े जैसी विरूपण योग्य वस्तुओं (deformable objects) के सुरक्षित, उच्च-गति और प्रमाणित हेरफेर को प्राप्त करने के लिए एक GPU-समानांतर विभेदनीय सिम्युलेटर (differentiable simulator) को सुदृढ़ मॉडल प्रेडिक्टिव कंट्रोल और कॉन्फॉर्मल प्रेडिक्शन के साथ जोड़ता है।
यह शोधपत्र DRIVE का प्रस्ताव करता है, जो ऑफलाइन ऑटो-बिडिंग के लिए एक एकीकृत ट्रांसफार्मर-आधारित फ्रेमवर्क है जो वितरण मॉडलिंग (distributional modeling), रिट्रीवल-ऑगमेंटेड ऐतिहासिक उदाहरणों और वैल्यू इवैल्यूएशन को जोड़कर कैंडिडेट एक्शन जनरेशन को निर्णय लेने से अलग करता है, ताकि पारंपरिक पैरामीट्रिक विधियों की सीमाओं को दूर किया जा सके और बजट बाधाओं के तहत प्रदर्शन में सुधार किया जा सके।
यह शोध पत्र एक नवीन ELTO-आधारित बायेसियन फ़िल्टरिंग दृष्टिकोण प्रस्तावित करता है जो एक संरचित पैरामीट्रिकरण को पेश करके सरलीकृत शोर मॉडलों की सीमाओं को दूर करता है, जो डेटा-संचालित शिक्षण और गैर-स्थिर प्रक्रियाओं के प्रति गतिशील अनुकूलन दोनों को सक्षम बनाता है, जिससे शोर वाले, समय-परिवर्तनीय वातावरण में अवस्था अनुमान प्रदर्शन में सुधार होता है।
यह शोध पत्र RefGRPO को प्रस्तुत करता है, जो एक सुदृढीकरण शिक्षण (reinforcement learning) विधि है जो स्व-चिंतन (self-reflection) और वास्तविक परिवेश फीडबैक के बीच अंतर के आधार पर प्राप्त एक मुक्त अंशांकन बोनस (free calibration bonus) का उपयोग करके LLM एजेंटों में प्रतिबिंब अंतराल (reflection gap) को समाप्त करती है, जिससे बिना किसी बाहरी पुरस्कार मॉडल (external reward model) की आवश्यकता के आत्म-मूल्यांकन सटीकता और कार्य प्रदर्शन दोनों में महत्वपूर्ण सुधार होता है।
यह शोध पत्र इम्पलिसिट वेरिएशनल रिजेक्शन सैंपलिंग (IVRS) का प्रस्ताव करता है, जो एक नवीन विधि है जो अधिक सटीक पोस्टीरियर सन्निकटन प्राप्त करने के लिए न्यूरल नेटवर्क-आधारित इम्पलिसिट प्रपोजल डिस्ट्रीब्यूशन को डिस्क्रिमिनेटर-गाइडेड रिजेक्शन सैंपलिंग और एक नए IR-ELBO मेट्रिक के साथ जोड़ती है, जो पारंपरिक वेरिएशनल इन्फरेंस तकनीकों से बेहतर प्रदर्शन करती है।
विभिन्न डोमेन में एक नियंत्रित अनुभवजन्य अध्ययन के माध्यम से, यह शोध पत्र प्रदर्शित करता है कि एडम (Adam) और एसजीडी (SGD) के बीच प्रदर्शन का अंतर किसी एक कारक के बजाय जटिल डेटा-आर्किटेक्चर अंतःक्रियाओं से उत्पन्न होता है, लेकिन यह निरंतर एक सैद्धांतिक "क्रॉसओवर बैच आकार" द्वारा अभिलक्षित है जहाँ बैच आकार बढ़ने के साथ एडम से एसजीडी की ओर सापेक्ष लाभ का बदलाव होता है।
यह शोध पत्र एक एकीकृत ऑपरेटर कैलकुलस फ्रेमवर्क प्रस्तुत करता है जो विविध जनसंख्या-आधारित अनुकूलन विधियों को संभाव्यता मापों (probability measures) पर कार्य करने वाले उत्परिवर्तन (mutation), चयन (selection) और पुनर्संयोजन (recombination) ऑपरेटरों के संयोजन के रूप में मॉडल करता है, जिससे एक ट्रांसपोर्ट-रिएक्शन-जंप PDE सीमा के माध्यम से एक मॉड्यूलर लयापुनोव-आधारित अभिसरण विश्लेषण सक्षम होता है।
यह शोधपत्र AgentCyberRange का परिचय देता है, जो एक खुला, मल्टी-होस्ट इंफ्रास्ट्रक्चर है जिसे यथार्थवादी वेब एक्सप्लोइटेशन और पोस्ट-एक्सप्लोइटेशन परिदृश्यों में फ्रंटियर एआई सिस्टम की स्वायत्त आक्रामक क्षमताओं को बेंचमार्क करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि हालांकि वर्तमान मॉडल सीमित सफलता दिखाते हैं, फिर भी वे यथार्थवादी स्थितियों के तहत अज्ञात कमजोरियों का पता लगा सकते हैं और सुरक्षा प्रणालियों को बायपास कर सकते हैं।
यह शोध पत्र CLIP के लिए टेस्ट-टाइम अडैप्टेशन (Test-Time Adaptation) का विश्लेषण करने के लिए एक व्यवस्थित नियंत्रित अध्ययन और एक ओपन-सोर्स बेंचमार्क (TTABC) प्रस्तुत करता है, जो यह प्रकट करता है कि अडैप्टेशन से होने वाला लाभ भारी अनुकूलन (heavy optimization) के बजाय मुख्य रूप से टेस्ट-टाइम साक्ष्य और हल्के अपडेट से उत्पन्न होता है, जबकि यह भी प्रदर्शित करता है कि विभिन्न वितरण बदलावों (distribution shifts) के लिए कोई भी एकल अडैप्टेशन प्रतिमान सार्वभौमिक रूप से इष्टतम नहीं है।