cs.LG

Representation Learning Enables Scalable Multitask Deep Reinforcement Learning

यह शोध पत्र तर्क देता है कि मॉडल-आधारित योजना (model-based planning) के बजाय प्रतिनिधित्व शिक्षण (representation learning), स्केलेबल मल्टीटास्क सुदृढीकरण शिक्षण (multicast reinforcement learning) का प्राथमिक चालक है, जो प्रस्तावित MR.Q एल्गोरिदम का प्रदर्शन करता है—जो एक मॉडल-मुक्त एक्टर-क्रिटिक फ्रेमवर्क में प्रेडिक्टिव रिप्रेजेंटेशन को उच्च-क्षमता वाले वैल्यू फंक्शन एप्रोक्सिमेशन के साथ जोड़ता है—जो विविध निरंतर नियंत्रण कार्यों (continuous control tasks) में जटिल वर्ल्ड-मॉडल बेसलाइनों से बेहतर प्रदर्शन करता है और साथ ही कंप्यूटेशनल ओवरहेड को महत्वपूर्ण रूप से कम करता है।

Monte Carlo Steklov Operators for Large-Scale Geometry Processing in the Wild

यह शोधपत्र डिरिचलेट-टू-नेमन (स्टेकलोव) ऑपरेटरों के अनुमान के लिए एक सुदृढ़ और स्केलेबल मोंटे कार्लो विधि प्रस्तुत करता है जो खराब मेश गुणवत्ता और बहु-घटक ज्यामिति को संभालता है, जिससे 450,000 आकृतियों के लिए स्पेक्ट्रल निरूपण की गणना सक्षम होती है और बड़े पैमाने पर 3D प्रतिनिधित्व शिक्षण के लिए एक नए न्यूरल नेटवर्क को शक्ति प्रदान करती है।

HDST-GNN: Heterogeneous Dynamic Spatiotemporal Graph Neural Networks for Multi-Object Tracking in UAV Aerial Imagery

यह शोध पत्र HDST-GNN का प्रस्ताव करता है, जो एक हेटेरोजेनियस डायनेमिक स्पैटियोटेम्पोरल ग्राफ न्यूरल नेटवर्क है जो ऊंचाई-अनुकूली एज निर्माण (altitude-adaptive edge construction), विभिन्न ऑब्जेक्ट अवस्थाओं के लिए हेटेरोजेनियस नोड रिप्रजेंटेशन और ऑक्लूजन-गेटेड टेम्पोरल एग्रीगेशन को पेश करके UAV-आधारित मल्टी-ऑब्जेक्ट ट्रैकिंग की चुनौतियों का समाधान करता है, जिससे VisDrone2019-MOT डेटासेट पर अत्याधुनिक प्रदर्शन प्राप्त होता है।

Auditing Demonstration Curation Metrics: Action-Only Scorers Fail on the Structural Defects That Degrade Imitation Policies

यह शोध पत्र प्रदर्शन क्यूरेशन मेट्रिक्स (demonstration curation metrics) के ऑडिट के लिए एक नियंत्रित टेस्टबेड प्रस्तुत करता है और यह प्रकट करता है कि जबकि केवल क्रिया-आधारित स्कोरर (action-only scorers) उन संरचनात्मक त्रुटियों का पता लगाने में विफल रहते हैं जो इमिटेशन पॉलिसीज़ (imitation policies) को खराब करती हैं, अवस्था प्रक्षेपवक्र (state trajectories) का विश्लेषण करने वाले मेट्रिक्स ऐसे दोषों की पहचान करने के लिए आवश्यक हैं, हालांकि सर्वोत्तम विधियाँ भी डाउनस्ट्रीम प्रदर्शन को केवल आंशिक रूप से ही पुनः प्राप्त कर पाती हैं।

Fix the Mind, Not the Move: Interpretable AI Assistance via Knowledge-Gap Localization

यह शोधपत्र SENSEI को प्रस्तुत करता है, जो एक व्याख्यात्मक (interpretable) AI फ्रेमवर्क है जो केवल तात्कालिक कार्यों को सुधारने के बजाय लक्षित सुझावों के माध्यम से अंतर्निहित उपयोगकर्ता की गलत धारणाओं को स्थानीयकृत और संशोधित करके दीर्घकालिक मानव-AI सहयोग में सुधार करता है, जिससे विविध कार्यों में ज़ीरो-शॉट सामान्यीकरण (zero-shot generalization) में उच्च सफलता दर प्राप्त होती है।

Cross-Epoch Adaptive Rollout Optimization for RL Post-Training

SlotGCG: Exploiting the Positional Vulnerability in LLMs for Jailbreak Attacks

यह शोध पत्र SlotGCG को प्रस्तुत करता है, जो एक नवीन जेलब्रेक हमला ढांचा (framework) है जो प्रतिकूल टोकन (adversarial token) प्रविष्टि के लिए सबसे संवेदनशील प्रॉम्प्ट "स्लॉट्स" की पहचान करके और उन्हें लक्षित करके लार्ज लैंग्वेज मॉडल्स में स्थितिजन्य कमजोरियों (positional vulnerabilities) का लाभ उठाता है, जिससे यह हमला सफलता दर, अभिसरण गति (convergence speed) और सुरक्षा प्रणालियों के विरुद्ध मजबूती के मामले में GCG जैसे मौजूदा तरीकों से काफी बेहतर प्रदर्शन करता है।

When New Generators Arrive: Lifelong Machine-Generated Text Attribution via Ridge Feature Transfer

यह शोध पत्र RidgeFT का प्रस्ताव करता है, जो एक हल्का, रिप्ले-मुक्त ढांचा है जो एक बार टास्क-अवेयर एनकोडर को प्रशिक्षित करने के बाद क्लास-वाइज पर्याप्त सांख्यिकी (sufficient statistics) पर क्लोज्ड-फॉर्म रिज रिग्रेशन का उपयोग करके, पिछले जनरेटरों के ज्ञान को बनाए रखते हुए नए जनरेटर्स के अनुकूल होने को प्रभावी ढंग से संतुलित करते हुए लाइफलॉग मशीन-जेनरेटेड टेक्स्ट एट्रिब्यूशन प्राप्त करता है।

Diff2SP: Diffusion Models for Correlated Scenario Generation in Stochastic Programming

यह शोध पत्र Diff2SP प्रस्तुत करता है, जो एक डिफ्यूजन-आधारित जनरेटिव फ्रेमवर्क है जो सांख्यिकीय रूप से सुसंगत और निर्णय-जागरूक परिदृश्यों को उत्पन्न करने के लिए प्रशिक्षण प्रक्रिया में सीधे डाउनस्ट्रीम स्टोकेस्टिक ऑप्टिमाइज़ेशन उद्देश्यों को एकीकृत करता है, जिससे पारंपरिक सैंपलिंग और सुपरवाइज्ड लर्निंग विधियों की सीमाओं को दूर करते हुए बेहतर निर्णय गुणवत्ता और अभिसरण (कन्वर्जेंस) की सैद्धांतिक गारंटी मिलती है।

When Surface Form Changes Moderation Decisions: A Paired Study of Code-Mixed Workflow Instability

यह शोध पत्र यह प्रदर्शित करता है कि वर्कफ़्लो-स्तर के दृष्टिकोण के माध्यम से घृणा मॉडरेशन प्रणालियों का मूल्यांकन करने से स्वच्छ अंग्रेजी की तुलना में तमिल-अंग्रेजी कोड-मिश्रित इनपुट को संसाधित करते समय महत्वपूर्ण निर्णय अस्थिरता और बढ़ी हुई परिचालन संबंधी बाधाएं प्रकट होती हैं, जो उन विफलताओं को उजागर करती हैं जिन्हें मानक वर्गीकरण मीट्रिक अक्सर अनदेखा कर देते हैं।