22512 पेपर
यह शोध पत्र बिना किसी अर्थ संबंधी एनोटेशन (semantic annotations) के नेटवर्क फ्लो रिकॉर्ड्स के अनुक्रमों को एम्बेड और क्लस्टर करने के लिए एक ट्रांसफॉर्मर-आधारित कंट्रास्टिव लर्निंग दृष्टिकोण का प्रस्ताव करता है, जो इंटरनेट स्कैनर के बीच संबंधों की पहचान करने और अनदेखे स्रोतों तक सामान्यीकरण करने में इसकी प्रभावशीलता को प्रदर्शित करता है।
यह शोध पत्र "ट्रेस-मीडिएटेड पीक बायस" (TMPB) की पहचान करता है, जो डीप रिइन्फोर्समेंट लर्निंग में एक व्यवस्थित विफलता है जहाँ मध्यवर्ती एलिजिबिलिटी ट्रेसेस (intermediate eligibility traces) अननॉर्मलाइज्ड ग्रेडिएंट शॉक्स के कारण एजेंटों को संचयी रिटर्न के बजाय तर्कहीन रूप से उच्च-परिमाण वाले रिवॉर्ड पीक्स को प्राथमिकता देने के लिए प्रेरित करते हैं, जो मानव पीक-एंड रूल (Peak-End Rule) के लिए एक यांत्रिक स्पष्टीकरण प्रदान करता है और यह प्रदर्शित करता है कि इस पैथोलॉजी को कम करने के लिए एडेप्टिव ऑप्टिमाइज़र्स सैद्धांतिक रूप से आवश्यक हैं।
यह शोध पत्र एक कर्वेचर-अवेयर डायनेमिक प्रिसिजन कंट्रोलर का प्रस्ताव करता है जो L-BFGS कर्वेचर जानकारी का लाभ उठाकर फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क (PINN) प्रशिक्षण के दौरान सिंगल और डबल प्रिसिजन के बीच अनुकूल रूप से स्विच करता है, जिससे काफी कम कम्प्यूटेशनल लागत के साथ पूर्ण डबल-प्रिसिजन सटीकता प्राप्त होती है।
यह शोध पत्र प्रभावी फलन वर्गों (effective function classes) और न्यूरॉन पहचान क्षमता (neuron identifiability) के एक सैद्धांतिक ढांचे को प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि न्यूरल नेटवर्क लगभग समान समाधानों के बड़े परिवारों को समाहित करते हैं और संरचनात्मक रूप से विषम मॉडलों में भी रैखिक निम्न-हानि पथों (linear low-loss paths) के माध्यम से प्रतिनिधित्व विलय (representation merging) को सक्षम करते हैं।
यह शोध पत्र फिशर इंफॉर्मेशन मैट्रिक्स (Fisher Information Matrix) के स्पेक्ट्रल नॉर्म (spectral norm) पर आधारित एक सिद्धांतपूर्ण, हमला-अज्ञेय (attack-agnostic) मजबूती मीट्रिक प्रस्तुत करता है, जो विभिन्न आर्किटेक्चर के लिए सैद्धांतिक स्पेक्ट्रल सीमाएं और कुशल एल्गोरिदम प्रदान करता है जो कई डेटासेट्स में प्रतिकूल भेद्यता (adversarial vulnerability) के साथ एक मजबूत सहसंबंध प्रदर्शित करते हैं।
यह शोध पत्र LA-LQR पेश करता है, जो एक रिड्यूस्ड-ऑर्डर ऑप्टिमल कंट्रोल फ्रेमवर्क है जो विजुअल क्वालिटी और प्रॉम्प्ट फिडेलिटी को बनाए रखते हुए हानिकारक कंटेंट को प्रभावी ढंग से दबाने के लिए एक लो-डायमेंशनल लेटेंट स्पेस में क्लोज्ड-लूप फीडबैक इंटरवेंशन की गणना करके टेक्स्ट-टू-वीडियो जनरेशन मॉडल्स को निर्देशित करता है।
यह शोध पत्र प्रदर्शित करता है कि PDE व्युत्क्रम समस्याओं (inverse problems) के लिए व्यापक रूप से उपयोग किए जाने वाले भौतिकी-प्रतिबंधित जनरेटिव मॉडल बोरेल-कोलमोगोरोव विरोधाभास (Borel–Kolmogorov paradox) से उत्पन्न एक छूटे हुए को-एरिया जैकोबियन कारक (co-area Jacobian factor) के कारण सही बेयसियन पोस्टीरियर (Bayesian posterior) को सैंपल करने में विफल रहते हैं, और CoCoS को पेश करता है, जो एक मेजर-अवेयर सैंपलर (measure-aware sampler) है जो अनिश्चितता-कैलिब्रेटेड अनुमान प्राप्त करने के लिए इस पूर्वाग्रह को ठीक करता है।
यह शोधपत्र BiasGRPO प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो सैम्पल्ड कंप्लीशन्स (sampled completions) के बीच रिवार्ड्स को नॉर्मलाइज़ करके लार्ज लैंग्वेज मॉडल्स में सोशल बायस मिटिगेशन को स्थिर करने के लिए ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन का लाभ उठाता है, जिससे यह DPO की एक्सप्लोरेशन सीमाओं और PPO की ट्रेनिंग अस्थिरता पर विजय प्राप्त करते हुए कई बेंचमार्क्स पर दोनों से बेहतर प्रदर्शन करता है।
यह शोध पत्र एक जोखिम-सचेत सुदृढीकरण शिक्षण (रिइन्फोर्समेंट लर्निंग) ढांचे का प्रस्ताव करता है जो स्टेट स्पेस के भीतर गैर-मजबूत क्षेत्रों पर ध्यान केंद्रित करके सुरक्षा गारंटी को पुनरावृत्ति रूप से कड़ा करने में सक्षम बनाने के लिए, दोहरे ऊपरी और निचले-सीमा बाधा प्रमाण पत्रों (बैरियर सर्टिफिकेट्स) के निर्माण हेतु वेरिएशनल ऑटोएनकोडर्स का उपयोग करता है।
यह शोध पत्र LifeSkill का प्रस्ताव करता है, जो एक दो-चरणीय सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो ऑनलाइन आजीवन सीखने वाले एजेंटों को सत्यापनकर्ता-निर्देशित कौशल निष्कर्षण (verifier-guided skill extraction) और ऑनलाइन कौशल आंतरिककरण (online skill internalization) के माध्यम से परीक्षण-समय फीडबैक को निरंतर अपने मापदंडों में आत्मसात करने में सक्षम बनाता है, जिससे स्थिर पुनर्प्राप्ति-आधारित दृष्टिकोणों की सीमाओं को दूर किया जा सके और दीर्घ-क्षित कार्यों (long-horizon tasks) पर प्रदर्शन में महत्वपूर्ण सुधार किया जा सके।