22999 पेपर
यह शोध पत्र \revise को प्रस्तुत करता है, जो वीडियो प्रश्न उत्तर (video question answering) के लिए एक मल्टी-राउंड एजेंट है जो विरल सूचनात्मक फ्रेम (sparse informative frames) चुनने, एक सारांश अवस्था (summary state) बनाए रखने और अर्ली स्टॉपिंग (early stopping) को नियोजित करने के साथ-साथ सुदृढीकरण फाइन-ट्यूनिंग (reinforcement fine-tuning) के लिए EAGER एनोटेशन-फ्री रिवॉर्ड मैकेनिज्म के माध्यम से दक्षता और सटीकता में सुधार करता है।
यह शोधपत्र इटरेट्स (iterates) और पुनरावर्ती रूप से परिभाषित गासियनों (Gaussians) की एक श्रृंखला के बीच त्रुटि गतिकी (error dynamics) का विश्लेषण करके, इटरेट्स और एक विविक्त ऑर्नस्टीन-उलेंबैक प्रक्रिया (discrete Ornstein-Uhlenbeck process) के बीच त्रुटि का विश्लेषण करते हुए, स्टोकेस्टिक एप्रोक्सिमेशन इटरेट्स के सन्निकटन के लिए स्पष्ट परिमित-समय वासरस्टीन-1 (Wasserstein-1) सीमाएं स्थापित करता है, जिससे एसिम्प्टोटिक नॉर्मैलिटी (asymptotic normality) के लिए तीक्ष्ण टेल बाउंड्स (tail bounds) और अभिसरण दरें (convergence rates) प्राप्त होती हैं।
यह शोध पत्र iML को प्रस्तुत करता है, जो एक मल्टी-एजेंट कोड-ड्रिवन ऑटोएमएल (AutoML) फ्रेमवर्क है जो संरचित ब्लूप्रिंट और पुनरावृत्ति डिबगिंग के माध्यम से निष्पादन योग्य, समस्या-आधारित और व्यापक रूप से खोजपूर्ण समाधान सुनिश्चित करता है, जिससे विविध मशीन लर्निंग बेंचमार्क पर अत्याधुनिक प्रदर्शन और उच्च विश्वसनीयता प्राप्त होती है।
एटॉमिक्स (Atomix) एक रनटाइम सिस्टम है जो प्रोग्रेस-अवेयर ट्रांजेक्शन (progress-aware transactions) के माध्यम से प्रभाव समूहीकरण (effect grouping) को संघर्ष समाधान (conflict resolution) से अलग करके विश्वसनीय एजेंटिक वर्कफ़्लो सुनिश्चित करता है, जो टूल प्रभावों (tool effects) को बफर करता है और उन्हें केवल यह पुष्टि करने के बाद ही कमिट करता है कि कोई भी पिछला संघर्षपूर्ण कार्य आ सकता है, जिससे आंशिक अवस्थाओं (partial states), पुराने डेटा लेखन (stale writes) और अपरिवर्तनीय रिसाव (irreversible leaks) को रोका जा सके।
यह शोध पत्र तर्क देता है कि जहाँ उपयोगकर्ताओं में उनकी अपनी आवश्यकताओं के प्रति जागरूकता का अभाव होता है, वहाँ 'एपिस्टेमिक इनकम्प्लीटनेस' (ज्ञान संबंधी अपूर्णता) को प्रभावी ढंग से संबोधित करने के लिए, जनरेटिव एआई एजेंटों को केवल साधारण क्वेरी समाधान से आगे बढ़कर एक प्रकार की सक्रियता (प्रोएक्टिविटी) अपनानी चाहिए, जो जिम्मेदार और सार्थक हस्तक्षेप सुनिश्चित करने के लिए अज्ञानता के एपिस्टेमिक सिद्धांतों और व्यवहार संबंधी बाधाओं पर एक साथ आधारित हो।
यह शोध पत्र PETS को प्रस्तुत करता है, जो एक सिद्धांतपूर्ण ढांचा है जो एक नई स्व-संगति दर (self-consistency rate) पर आधारित प्रक्षेपवक्र आवंटन (trajectory allocation) को एक अनुकूलन समस्या के रूप में तैयार करके टेस्ट-टाइम स्व-संगति को अनुकूलित करता है, जिससे ऑफलाइन और ऑनलाइन दोनों सेटिंग्स में समान आवंटन (uniform allocation) की तुलना में महत्वपूर्ण बजट कटौती और प्रदर्शन लाभ प्राप्त होते हैं।
LLM-WikiRace बेंचमार्क उन्हें विकिपीडिया हाइपरलिंक्स के माध्यम से नेविगेट करने का कार्य देकर बड़े भाषा मॉडलों की योजना बनाने और तर्क करने की क्षमताओं का मूल्यांकन करता है, जिससे यह पता चलता है कि जबकि फ्रंटियर मॉडल आसान स्तरों पर सुपरह्यूमन प्रदर्शन प्राप्त करते हैं, वे लंबी अवधि की योजना बनाने और विफलता से उबरने की सीमाओं के कारण कठिन कठिनाइयों के साथ अभी भी काफी संघर्ष करते हैं।
यह शोध पत्र LERD का प्रस्ताव करता है, जो एक एंड-टू-एंड बेयसियन लेटेंट इवेंट-रिलेशनल डायनेमिकल सिस्टम है, जो अल्जाइमर रोग के वर्गीकरण की सटीकता और शारीरिक व्याख्यात्मकता में सुधार करने के लिए मल्टीचैनल EEG से अनएनोटेटेड न्यूरल इवेंट्स और उनके क्रॉस-चैनल इंटरैक्शन का अनुमान लगाता है।
यह शोध पत्र रैंडम फीचर रिग्रेशन के लिए एक सुदृढ़ बेयसियन ढांचे का प्रस्ताव करता है जो ट्रैक्टेबल अनिश्चितता सीमाओं को प्राप्त करने के लिए हबर-शैली के संदूषण सेटों (Huber-style contamination sets) और निराशावादी अपडेटिंग (pessimistic updating) का उपयोग करता है, यह प्रदर्शित करते हुए कि भविष्य कहने वाली अनिश्चितता कम्प्यूटेशनल रूप से कुशल बनी रहती है, डबल-डिसेंटต์ एसिम्प्टोटिक्स (double-descent asymptotics) को संरक्षित करती है, और प्रायोर (prior) तथा लाइकलीहुड (likelihood) मिसस्पेसिफिकेशन के तहत बेहतर वर्स्ट-केस गारंटी प्रदान करती है।
यह शोध पत्र सीमित पर्यवेक्षण के तहत गतिशील ग्राफ विसंगति का पता लगाने के लिए एक मॉडल-अज्ञेय (model-agnostic) ढांचे का प्रस्ताव करता है जो अनदेखी विसंगतियों के प्रति सामान्यीकरण के साथ विसंगति का पता लगाने के प्रदर्शन को संतुलित करने वाले विभेदक सीमाओं को सीखने के लिए नॉर्मलाइजिंग फ्लो के माध्यम से अवशिष्ट प्रतिनिधित्व एन्कोडिंग (residual representation encoding), एक प्रतिबंध हानि (restriction loss), और द्वि-सीमा अनुकूलन (bi-boundary optimization) को एकीकृत करता है।