22512 पेपर
यह शोध पत्र एक्टिव फ्लो एक्सपेंशन (ActFlow) को प्रस्तुत करता है, जो एक नवीन निरंतर प्री-ट्रेनिंग विधि है जो एक जनरेटिव मॉडल के वैध डिज़ाइन स्पेस के विस्तार को सांख्यिकीय रूप से गारंटी देने के लिए सत्यापनकर्ता फीडबैक (verifier feedback) और सक्रिय अन्वेषण का लाभ उठाती है, जो आउट-ऑफ-डिस्ट्रीब्यूशन अणुओं और प्रोटीनों की खोज करने में मानक दृष्टिकोणों से काफी बेहतर प्रदर्शन करती है।
यह शोध पत्र उस तंत्र की जांच करता है जिसके माध्यम से निरंतर डिफ्यूजन मॉडल (continuous diffusion models) व्याख्यात्मक न होने वाले गॉसियन-दूषित एम्बेडिंग्स (Gaussian-corrupted embeddings) से सुसंगत पाठ उत्पन्न करते हैं, एक "डिकोडर-बेसिन" (decoder-basin) घटना की पहचान करता है जहाँ सफल डिनोइजिंग (denoising) डिकोडर स्थिरता के उच्च क्षेत्रों तक पहुँचने पर निर्भर करती है बजाय लेटेंट त्रुटि को न्यूनतम करने के, और इन मॉडलों को प्रतिनिधित्व-डिकोडर प्रणालियों के रूप में मूल्यांकन करने के लिए एक नैदानिक प्रोटोकॉल का प्रस्ताव करता है।
यह शोध पत्र ISPO को प्रस्तुत करता है, जो एक नवीन पॉलिसी ऑप्टिमाइज़ेशन विधि है जो ज़ीरो-एडवांटेज कोलैप्स (Zero-Advantage Collapse) और हैलुसिनेटेड सर्टेन्टी (Hallucinated Certainty) को समाप्त करने के लिए पॉलिसी की अपनी संभावनाओं से प्राप्त इंट्रिन्सिक सिग्नल्स के साथ बाइनरी रिवार्ड्स को सघन बनाता है, जिससे चुनौतीपूर्ण गणितीय बेंचमार्क पर लार्ज लैंग्वेज मॉडल्स के लॉन्ग-चेन रीजनिंग प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र प्रदर्शित करता है कि जैविक ज्ञान ग्राफ (biological knowledge graphs) का लाभ उठाने वाला एक सरल K-निकटतम पड़ोसी (K-nearest neighbor) दृष्टिकोण ट्रांसक्रिप्टोमिक व्यवधान प्रभावों (transcriptomic perturbation effects) की भविष्यवाणी करने में प्रतिस्पर्धी आउट-ऑफ-डिस्ट्रीब्यूशन प्रदर्शन प्राप्त करता है, जिसे पड़ोस चयन को परिष्कृत करने के लिए एक रीजनिंग LLM को अनुकूलित करने हेतु सुदृढीकरण लर्निंग (reinforcement learning) का उपयोग करके अत्याधुनिक तरीकों के बराबर बढ़ाया जा सकता है।
यह शोध पत्र एक गैर-समानांतर ज़ीरो-शॉट वॉयस कन्वर्जन फ्रेमवर्क प्रस्तुत करता है जो बहुभाषी डेटा से सिंथेटिक ट्रेनिंग पेयर्स बनाने के लिए WavLM रिप्रेजेंटेशन्स पर K-नेरेस्ट नेबर्स रिट्रीवल का लाभ उठाता है, जिससे केवल अंग्रेजी डेटा पर प्रशिक्षित होने के बावजूद उच्च प्राकृतिकता और वक्ता समानता प्राप्त होती है।
यह शोधपत्र फजी (fuzzy) कार्यों पर विसरित एआई नियंत्रण जोखिमों को संबोधित करने के लिए एक नवीन प्रतिकूल ढांचे (adversarial framework) को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि कैसे बहु-उद्देश्यीय विकासवादी प्रॉम्प्ट अनुकूलन (multi-objective evolutionary prompt optimization) कमजोर स्कोरिंग मॉडल का लाभ उठाकर विध्वंसक व्यवहार उत्पन्न कर सकता है और इन खतरों को कम करने के लिए एक सुदृढ़ ब्लू-टीम अनुकूलन एल्गोरिदम का प्रस्ताव करता है।
यह शोध पत्र एक छोटे ट्रांसफार्मर एनकोडर का उपयोग करके टर्मिनल-रेंच (Terminal-Wrench) प्रक्षेपवक्रों में रिवॉर्ड हैकिंग का पता लगाने की एक लागत प्रभावी विधि प्रस्तुत करता है, जिसका प्रदर्शन एलएलएम-आधारित जजों के तुलनीय है लेकिन काफी कम कम्प्यूटेशनल लागत पर है, जो यह प्रदर्शित करता है कि मॉडल केवल व्यवहारिक पैटर्न के बजाय प्राकृतिक भाषा तर्क पर निर्भर करता है।
यह शोध पत्र एक बहुआयामी, महामारी विज्ञान-आधारित मूल्यांकन ढांचे को प्रस्तुत करता है जो यह प्रदर्शित करता है कि संरचित इलेक्ट्रॉनिक मेडिकल रिकॉर्ड्स के लिए वर्तमान जनरेटिव मॉडल, हालांकि वास्तविक डेटा के सांख्यिकीय रूप से समान होते हैं, अक्सर महत्वपूर्ण नैदानिक वैधता और कारण संबंधों को बनाए रखने में विफल रहते हैं, जिससे विश्वसनीय वैज्ञानिक निष्कर्ष सुनिश्चित करने के लिए डोमेन-सूचित मूल्यांकन विधियों की आवश्यकता होती है।
यह शोध पत्र तर्क देता है कि एलएलएम (LLM) एजेंटों के लिए मानवीय निरीक्षण एक संसाधन-आवंटन की समस्या है न कि एक सरल वर्गीकरण कार्य, जो मॉडलिंग और एक नई ओपन-सोर्स प्रणाली के माध्यम से यह प्रदर्शित करता है कि समीक्षक की थकान और व्यक्तिपरक असहमति एक उलटे-यू (inverted-U) सुरक्षा वक्र का निर्माण करती है जहाँ इष्टतम सुरक्षा के लिए फ्लडिंग हमलों को रोकने और मानवीय सीमाओं को ध्यान में रखते हुए एस्केलेशन दरों को 100% से नीचे कैलिब्रेट करना आवश्यक है।
यह शोध पत्र PROBE को प्रस्तुत करता है, जो नॉलेज ग्राफ कम्प्लीशन के लिए एक सामान्यीकृत मूल्यांकन ढांचा है जो एक नवीन रैंक ट्रांसफार्मर और एग्रीगेटर के माध्यम से प्रेडिक्टिव शार्पनेस और लोकप्रियता-बायस रोबस्टनेस के अनदेखे दृष्टिकोणों को संबोधित करता है, जो मौजूदा मेट्रिक्स की तुलना में मॉडल प्रदर्शन का अधिक सैद्धांतिक रूप से सुदृढ़ और अधिक विश्वसनीय मूल्यांकन प्रदान करता है।