22512 पेपर
यह शोध पत्र OT-पोटेंशियल फ्लो मैचिंग (OTP-FM) प्रस्तुत करता है, जो एक नवीन, सिमुलेशन-मुक्त एल्गोरिदम है जो मध्यवर्ती प्रेक्षित मार्जिनल्स द्वारा बाधित गतिशील परिवहन मानचित्रों को प्रभावी ढंग से सीखने के लिए ऑप्टिमल ट्रांसपोर्ट पोटेंशियल्स का लाभ उठाता है, जिससे विविध स्पैटियोटेम्पोरल डेटासेट्स पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र PJ-RoPE को प्रस्तुत करता है, जो एक एकीकृत सीखने योग्य सापेक्ष-स्थिति ढांचा (unified learnable relative-position framework) है जो भाषा और संगीत जैसे विविध कार्यों में अटेंशन मैकेनिज्म को अनुकूल रूप से अनुकूलित करने के लिए RoPE के फूरियर फेजेस (Fourier phases), Jordan-RoPE के फाइनाइट जेट्स (finite jets) और ALiBi के एफाइन रिसेंसी (affine recency) को एक एकल डिफरेंस मॉड्यूल में बीजगणितीय रूप से एकीकृत करता है।
यह शोध पत्र SHALA-LLM को प्रस्तुत करता है, जो एक सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो एंनोटेटर लेबल अस्पष्टता को शोर के बजाय मूल्यवान जानकारी मानकर LLM संरेखण (alignment) में सुधार करता है, जिससे मानव निर्णय वितरण को बेहतर ढंग से मॉडल करने के लिए अस्पष्ट नमूनों को गतिशील रूप से प्राथमिकता दी जाती है और साथ ही वर्गीकरण प्रदर्शन को भी बढ़ाया जाता है।
यह क्रॉस-आर्किटेक्चर मैकेनिस्टिक अध्ययन यह प्रदर्शित करता है कि टास्क सर्किट की पहचान करने के लिए एक एकीकृत "स्क्रीन-एंड-अबलेट" प्रोटोकॉल विभिन्न 1B-क्लास लैंग्वेज मॉडल्स में असंगत कॉज़ल दावे प्रस्तुत करता है, जो यह प्रकट करता है कि समान व्यवहार संबंधी क्षमताएं विशिष्ट अटेंशन-पैटर्न संरचनाओं के माध्यम से कार्यान्वित होती हैं और यह प्रस्तावित करता है कि MoE मॉडल्स विशेष रूप से कंपोज्ड टास्क के लिए एक मौलिक प्रीवियस-टोकन पोजीशनल सबस्ट्रेट पर निर्भर करते हैं।
यह शोधपत्र ऑनलाइन मिनिमाइजेशन समस्याओं के लिए पहले लर्निंग-ऑगमेंटेड एल्गोरिदम पेश करता है, विशेष रूप से मेट्रिकल टास्क सिस्टम्स और लैमिनर सेट कवर, जो इष्टतम डुअल लीनियर प्रोग्राम समाधानों के स्थिर मशीन-लर्नड प्रेडिक्शन्स का लाभ उठाकर बेहतर सैद्धांतिक गारंटी प्राप्त करते हैं और जिन्हें -सर्वर और पार्किंग परमिट समस्याओं पर प्रयोगों के माध्यम से मान्य किया गया है।
यह शोध पत्र मैपिंग में स्थानिक सुसंगतता (spatial coherence) को बढ़ाने और अनिश्चितता मात्रा निर्धारण (uncertainty quantification) में सुधार करने के लिए एक सामान्यीकृत टोटल वेरिएशन– संरचित प्रायर (structured prior) का उपयोग करते हुए एक नवीन बेयसियन ढांचे का प्रस्ताव करता है, जो सिंथेटिक और वास्तविक दुनिया के डेटासेट में मौजूदा अनुमान विधियों की तुलना में बेहतर सटीकता और विश्वसनीयता प्रदर्शित करता है।
LeanMarathon एक विकसित होते ब्लूप्रिंट और एक दो-चरणीय ऑर्केस्ट्रेटर पर केंद्रित एक मल्टी-एजेंट सिस्टम पेश करता है ताकि लंबी अवधि की ऑटोफॉर्मलाइजेशन विफलताओं को दूर किया जा सके, जिसने एरडोस समस्याओं पर चार हालिया शोध पत्रों के सात प्रमेयों को बिना किसी त्रुटि के सफलतापूर्वक औपचारिक रूप दिया है।
यह शोध पत्र प्रकट करता है कि जहाँ बड़े भाषा मॉडल (large language models) मनगढ़ंत आँकड़ों का पता लगाने की पृथक क्षमता रखते हैं, वहीं वे बहु-स्रोत संश्लेषण (multi-source synthesis) के दौरान इस विवेक को लागू करने में विफल रहते हैं, और इसके बजाय एक "कार्यप्रणाली-पंजीकरण" (methodology-register) संकेत पर निर्भर रहते हैं जो विश्लेषणात्मक शैली वाले किंतु संख्यात्मक रूप से अमान्य दावों को समान महत्व प्रदान करता है, जिससे एक व्यवस्थित ज्ञान संबंधी अंध बिंदु (epistemic blind spot) निर्मित होता है जहाँ शैलीगत विश्वसनीयता तथ्यात्मक सत्यापन पर हावी हो जाती है।
यह शोध पत्र एजेंट्स लास्ट एग्जाम (ALE) को प्रस्तुत करता है, जो 13 उद्योग समूहों में दीर्घकालिक, आर्थिक रूप से मूल्यवान वास्तविक दुनिया के कार्यों पर एआई एजेंटों का मूल्यांकन करने के लिए 250 से अधिक उद्योग विशेषज्ञों के साथ विकसित एक लिविंग बेंचमार्क है, जिसका उद्देश्य वर्तमान बेंचमार्क सफलता और सार्थक जीडीपी-प्रासंगिक परिनियोजन के बीच के अंतर को पाटना है।
यह शोधपत्र CausalPOI प्रस्तुत करता है, जो एक नवीन स्थानिक-सामयिक ग्राफ-आधारित कारण प्रतिनिधित्व शिक्षण (causal representation learning) ढांचा है, जो कार्यात्मक अंतःक्रियाओं को मॉडल करने और प्रतितथ्यात्मक (counterfactual) परिदृश्यों का अनुकरण करने के माध्यम से कोल्ड-स्टार्ट POI चेक-इन पूर्वानुमान समस्या को संबोधित करता है, जिससे नए पेश किए गए पॉइंट्स ऑफ इंटरेस्ट (Points of Interest) के व्यवहार की भविष्यवाणी करने में मौजूदा विधियों से काफी बेहतर प्रदर्शन करता है।