22512 पेपर
यह शोध पत्र कॉज़ल एजेंट रिप्ले (CAR) प्रस्तुत करता है, जो एक नवीन ढांचा है जो मौजूदा ऑब्जर्वेबिलिटी टूल्स और अविश्वसनीय LLM-जज ह्यूरिस्टिक्स की सीमाओं को पार करते हुए, LLM-एजेंट विफलताओं को उनके मूल कारणों के सटीक रूप से श्रेय देने के लिए स्ट्रक्चरल कॉज़ल मॉडलिंग और काउंटरफैक्चुअल इंटरवेंशन का उपयोग करता है।
यह शोध पत्र एक ट्रांसलेशन- और रोटेशन-इनवेरिएंट मेश ग्राफ न्यूरल नेटवर्क (MGN) फ्रेमवर्क प्रस्तुत करता है जो मनमाने होल ज्योमेट्री और अनदेखी लोड स्थितियों वाले 2D स्ट्रक्चरल कंपोनेंट्स में वॉन मिसेस स्ट्रेस फील्ड्स की भविष्यवाणी करने के लिए सफलतापूर्वक सामान्यीकृत होता है, जो परिमित तत्व विश्लेषण (फाइनाइट एलीमेंट एनालिसिस) के लिए सटीकता और अनुकूलन क्षमता में पारंपरिक मशीन लर्निंग मॉडल्स से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र इस प्रचलित दृष्टिकोण को चुनौती देता है कि विनाशकारी शटडाउन (catastrophic shutdown) की समस्या को हल करना स्वाभाविक रूप से कठिन है, यह तर्क देते हुए कि मौजूदा प्रमाण अविश्वसनीय हैं और समस्या के प्रति वर्तमान तकनीकी दृष्टिकोण एआई प्रदर्शन पर अत्यधिक सुरक्षा लागत थोपते हैं।
यह शोध पत्र MEC-Cox का प्रस्ताव करता है, जो एक नवीन मशीन-लर्निंग-सहायता प्राप्त विधि है जो बाहरी नियंत्रणों और उपचारित रोगियों के बीच रोगनिरोधी सारांशों को संतुलित करने के लिए ब्रेगमन अंशांकन (Bregman calibration) का उपयोग करती है, जिससे बाह्य रूप से नियंत्रित उत्तरजीविता परीक्षणों के लिए इनवर्स-प्रोबेबिलिटी-वेटेड कॉक्स रिग्रेशन में मार्जिनल हज़ार्ड रेश्यो के लचीले और कुशल अनुमान को सक्षम बनाया जा सके।
यह शोध पत्र भार परिवर्तनों के फूरियर फ्रैक्टल आयाम (Fourier fractal dimension) पर आधारित एक नवीन सामान्यीकरण माप (generalization measure) प्रस्तावित करता है, जो न केवल कई डेटासेट्स में वास्तविक सामान्यीकरण अंतराल (generalization gaps) के साथ अत्याधुनिक सहसंबंध (state-of-the-art correlation) प्राप्त करता है, बल्कि एक अनुकूलित ऑप्टिमाइज़र को भी प्रेरित करता है जो मॉडल की स्थिरता में सुधार के लिए इस आयाम को सक्रिय रूप से नियमित (regularize) करता है।
यह शोध पत्र अमेरिकी एयरलाइन लाभ चक्रों पर एक अध्ययन को दोहराता और विस्तारित करता है, यह प्रदर्शित करते हुए कि जबकि मूल छह-क्लस्टर वर्गीकरण रैखिक और गैर-रैखिक PCA स्थानों में ज्यामितीय रूप से सुदृढ़ है, डेटासेट संरचनात्मक रूप से केवल तीन क्लस्टरों का समर्थन करता है, जो मूल विश्लेषण में कच्चे 7-आयामी स्थान में सह-रैखिकता (collinearity) के कारण अस्पष्ट रह गया था।
यह शोध पत्र CHIAR-Former को प्रस्तुत करता है, जो एक हाइब्रिड ट्रांसफॉर्मर है जो स्पेक्ट्रल एंट्रॉपी के आधार पर टोकन को स्पेक्ट्रल मिक्सिंग, कर्नेल मिक्सिंग, या फुल अटेंशन में गतिशील रूप से रूट करता है, जो यह प्रदर्शित करता है कि एक DCT-और-अटेंशन-ओनली वेरिएंट बड़े पैमाने पर टेक्स्ट पर परप्लेक्सिटी में महत्वपूर्ण सुधार करता है और कम्प्यूटेशनल लागत को कम करता है, साथ ही उन विशिष्ट क्षेत्रों का भी खुलासा करता है जहाँ स्पेक्ट्रल रूटिंग सबसे अधिक प्रभावी है।
यह शोध पत्र *alem* को प्रस्तुत करता है, जो लंबी अवधि के उत्तरजीविता कार्यों (long-horizon survival tasks) में ओपन-एंडेड मल्टी-एजेंट समन्वय के मूल्यांकन के लिए एक JAX-आधारित बेंचमार्क है, जो यह प्रकट करता है कि जहाँ फ्रंटियर LLMs व्यक्तिगत कार्यों में उत्कृष्ट हैं, वहीं वे समन्वय के मामले में काफी संघर्ष करते हैं—जो एक विशिष्ट बाधा है जहाँ संचार महत्वपूर्ण सिद्ध होता है और मॉडलों के बीच प्रदर्शन व्यापक रूप से भिन्न होता है।
यह शोधपत्र GENERIC-FNO को प्रस्तुत करता है, जो पहला न्यूरल ऑपरेटर है जो विकर्ण फूरियर मल्टीप्लायर्स (diagonal Fourier multipliers) के माध्यम से सटीक डिजेनेरेसी स्थितियों का निर्माण करके गैर-संतुलन ऊष्मागतिकी (nonequilibrium thermodynamics) की पूर्ण GENERIC संरचना को सीधे फलन स्थान (function space) में समाहित करता है, जिससे बिना किसी पेनल्टी टर्म के विविध PDEs और रिज़ॉल्यूशन में मशीन-प्रिसिजन ऊर्जा संरक्षण और एंट्रॉपी उत्पादन की गारंटी मिलती है।
CATPO (Critique-Augmented Tree Policy Optimization) अनइंफॉर्मेटिव सैंपल्स को फ़िल्टर करने के लिए ट्री-लेवल इन्फॉर्मेटिवनेस स्कोर पेश करके, विफल पेड़ों से सिग्नल को रिकवर करने के लिए क्रिटीक-गाइडेड हीलिंग लागू करके, और मौजूदा ट्री-आधारित तरीकों जैसे कि TreeRPO की तुलना में बेहतर गणितीय तर्क प्रदर्शन प्राप्त करने के लिए इन्फॉर्मेटिवनेस-वेटेड लॉस का उपयोग करके, सत्यापन योग्य रिवॉर्ड्स के साथ सुदृढीकरण शिक्षण (reinforcement learning) को बढ़ाता है।