22775 पेपर
यह शोध पत्र RelGT-AC का प्रस्ताव करता है, जो एक रिलेशनल ग्राफ ट्रांसफॉर्मर है जो कॉलम मास्किंग, एक एकीकृत टास्क हेड और एक TF-IDF टेक्स्ट एनकोडर को एकीकृत करके विविध रिग्रेशन और टेक्स्ट-हैवी क्लासिफिकेशन परिदृश्यों में मौजूदा बेसलाइन्स से बेहतर प्रदर्शन करते हुए रिलेशनल डेटाबेस में ऑटोकम्प्लीट कार्यों को बढ़ाता है।
यह शोध पत्र नौ आणविक निरूपणों (molecular representations) और आठ रासायनिक कार्यों (chemical tasks) में 16 LLMs का एक व्यवस्थित बेंचमार्क प्रस्तुत करता है, जो यह प्रकट करता है कि प्रदर्शन अत्यधिक निरूपण-निर्भर है और कोई भी एकल प्रारूप सभी कार्यों पर हावी नहीं है, जिससे निरूपण-अपरिवर्तनीय मूल्यांकन (representation-invariant evaluation) के विरुद्ध तर्क दिया गया है और कार्य-जागरूक निरूपण रूटिंग (task-aware representation routing) की वकालत की गई है।
यह शोध पत्र एक सुलभ जनरेटिव मार्कोव मॉडल फ्रेमवर्क प्रस्तावित करता है जो कुशल सिमुलेशन और अनुकूलन को सक्षम करने के लिए जटिल, विषम वितरित कंप्यूटिंग अवस्थाओं को कारकित (factorize) करता है, और एक सहयोगात्मक एआई इन्फरेंस केस स्टडी के माध्यम से यह प्रदर्शित करता है कि वितरित संसाधन उपयोग केंद्रीकृत शेड्यूलिंग की तुलना में विलंबता (latency) और सर्वर लोड को महत्वपूर्ण रूप से कम करता है।
यह शोध पत्र "इमर्जेंट कंट्रीब्यूशन" (EC) को प्रस्तुत करता है, जो गैर-रेखीय, समय-परिवर्तनीय प्रणालियों में नोड उत्तोलन (node leverage) को मापने के लिए एक प्रक्षेपवक्र-जागरूक (trajectory-aware) मीट्रिक है जो स्थिर नियंत्रणीयता (static controllability) का सामान्यीकरण करता है, और सिंथेटिक एवं वास्तविक दुनिया के विश्लेषणों के माध्यम से यह प्रदर्शित करता है कि EC गतिशील व्यवहार में आवश्यक अंतर्दृष्टि प्रदान करता है जिसे स्थिर माप चूक जाते हैं, विशेष रूप से निरंतर शासन स्विचिंग (regime switching) के दौरान।
यह शोध पत्र MAVN का प्रस्ताव करता है, जो एक अनुकूलन योग्य ढांचा (adaptive framework) है जो एक दोहरे-परिप्रेक्ष्य स्कोरिंग तंत्र (dual-perspective scoring mechanism) के आधार पर यह गतिशील रूप से निर्धारित करता है कि वर्चुअल नोड्स को ग्राफ नोड्स से कब और कहाँ जोड़ना है, जिससे मौजूदा विधियों की स्थिर और कठोर जुड़ाव सीमाओं को दूर किया जा सके और विविध डेटासेट पर मैसेज पासिंग प्रदर्शन में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र एसिमेट्रिक-स्केल पॉलिसी ऑप्टिमाइज़ेशन (ASymPO) का प्रस्ताव करता है, जो एक ऐसी विधि है जो स्टेल रिस्पॉन्स के कारण होने वाले स्केल असंतुलन को ठीक करने के लिए वर्तमान-पॉलिसी प्रोबेबिलिटीज के साथ टोकन लॉस को नॉर्मलाइज़ करके एसिंक्रोनस एलएलएम पोस्ट-ट्रेनिंग को स्थिर करती है, जिससे बिहेवियर-पॉलिसी जानकारी की आवश्यकता समाप्त हो जाती है।
यह शोध पत्र जॉइंट फिडेलिटी हाइपरपैरामीटर ऑप्टिमाइज़ेशन (JF-HPO) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो प्रॉक्सी मॉडल, अर्ली-स्टॉपिंग रणनीतियों और कुशल चेकपॉइंटिंग के माध्यम से मॉडल के आकार और प्रशिक्षण बजट को एक साथ अनुकूलित करके लार्ज लैंग्वेज मॉडल सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) के लिए हाइपरपैरामीटर ट्यूनिंग की कम्प्यूटेशनल दक्षता और प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र 'वेरिफिएबल रिवॉर्ड्स के साथ रिइन्फोर्समेंट लर्निंग' (RLVR) में "करेक्ट-सेट टर्नओवर" को एक छिपे हुए लागत के रूप में पहचानता है जहाँ पहले से हल की गई समस्याएँ अब हल करने योग्य नहीं रह जाती हैं, और \textbf{\method{}} का प्रस्ताव करता है, जो एक रिटेंशन-अवेयर मैकेनिज्म है जो अतिरिक्त रोलआउट ओवरहेड के बिना प्रतिगमन (रिग्रेशन) को रोकने के लिए समय-समय पर मास्टर किए गए प्रॉम्प्ट्स को पुन: पेश करता है।
यह शोध पत्र कॉन्स्टिट्यूशनल ऑन-पॉलिसी सेफ डिस्टिलेशन (COPSD) को प्रस्तुत करता है, जो एक ऐसी विधि है जो क्रॉस-SFT के माध्यम से शिक्षक मॉडल को कैलिब्रेट करके और 12 बेंचमार्क में बेहतर सुरक्षा-उपयोगिता संतुलन प्राप्त करने के लिए संविधान-सशर्त ऑन-पॉलिसी डिस्टिलेशन का उपयोग करके पूर्ववर्ती सुरक्षा डिस्टिलेशन दृष्टिकोणों में देखे गए गंभीर पतन और कम अभिव्यक्ति की समस्या का समाधान करती है।
यह शोध पत्र \texttt{KeyVT} का प्रस्ताव करता है, जो एक पदानुक्रमित (hierarchical) ज़ीरो-शॉट 3D प्रश्न-उत्तर ढांचा है जो सिमेंटिक और ज्यामितीय मानदंडों के आधार पर कार्य-प्रासंगिक दृश्यों का चयन करके और ऑप्टिमल ट्रांसपोर्ट-आधारित टोकन चयन के माध्यम से अतिरेक (redundancy) को कम करके इनपुट संदर्भ को अनुकूलित करता है, जिससे बिना फाइन-ट्यूनिंग के प्रशिक्षण-आधारित विधियों के तुलनीय प्रदर्शन प्राप्त होता है।