22999 पेपर
यह शोध पत्र रोबस्ट मार्कोव निर्णय प्रक्रियाओं (Markov decision processes) के लिए एक नवीन, सुदृढ़ और इष्टतम शिल्डिंग फ्रेमवर्क प्रस्तुत करता है जो सैंपलिंग विधियों के साथ संयोजन करते हुए, सीखी गई मॉडलों के लिए प्रोबेबली एप्रोक्सिमेटली करेक्ट (PAC) सुरक्षा गारंटी प्रदान करने के लिए, सबसे खराब स्थिति वाली ट्रांज़िशन अनिश्चितताओं के तहत सुदृढीकरण लर्निंग (reinforcement learning) एजेंटों की सुरक्षा सुनिश्चित करता है।
यह शोध पत्र यह प्रदर्शित करता है कि नियत (deterministic) आउटपुट को पुन: गणना करने के लिए केवल सॉफ्टवेयर-आधारित इम्यूलेशन का लाभ उठाकर, बिना किसी प्रदर्शन संबंधी समझौते के बिट-सटीक (bit-exact) AI इन्फरेंस सत्यापन प्राप्त किया जा सकता है, जिससे संचित राउंडिंग त्रुटियों को ऑडिट योग्य हस्ताक्षरों में परिवर्तित किया जा सके जो गुप्त विरोधियों को GPU गैर-नियतता (non-determinism) का लाभ उठाने से रोकते हैं।
यह शोध पत्र प्रदर्शित करता है कि सिंगापुर के ऊपर 8 किमी से 2 किमी तक डाउनस्केलिंग करते समय एक फ्लो मैचिंग मॉडल, संवहनी-पैमाने की वर्षा की स्थानिक संरचना को पकड़ने में स्कोर-आधारित डिफ्यूजन मॉडल से बेहतर प्रदर्शन करता है, हालांकि यह वर्षा वितरण के ऊपरी छोर (upper tail) में एक शुष्क पूर्वाग्रह (dry bias) प्रदर्शित करता है।
यह शोध पत्र विषम युग्म-आधारित प्राथमिकताओं (heterogeneous pairwise preferences) से सुसंगत रिवॉर्ड लर्निंग की सामाजिक चयन असंभवता (social choice impossibility) को आधुनिक RLHF पाइपलाइनों में एक मौलिक ट्रेड-ऑफ के रूप में पुनर्गठित करता है, जो यह प्रदर्शित करता है कि समृद्ध प्रतिक्रिया प्रतिनिधित्व (richer response representations) प्रतिनिधित्व त्रुटि (representational error) को कम करते हैं, जबकि साथ ही अधिक असंगत तुलनाओं को उजागर करके एकत्रीकरण त्रुटि (aggregation error) को बढ़ाते हैं जिन्हें कोई भी स्केलर रिवॉर्ड हल नहीं कर सकता।
यह शोध पत्र ऑपरेटर लर्निंग में ज़ीरो-शॉट सुपर-रिज़ॉल्यूशन का एक व्यवस्थित सैद्धांतिक अध्ययन प्रदान करता है, जो यह प्रदर्शित करता है कि हालांकि कुछ सेटिंग्स में यह सूचनात्मक रूप से असंभव हो सकता है, आउटपुट फलनों की हॉल्डर स्मूथनेस (Hölder smoothness) इसकी सफलता के लिए एक पर्याप्त स्थिति के रूप में कार्य करती है, एक ऐसा निष्कर्ष जिसे प्राप्त जनरलाइजेशन बाउंड्स और प्रयोगात्मक सत्यापन दोनों द्वारा समर्थित किया गया है।
FLaG एक हल्का, फ्रोजन-मॉडल फ्रेमवर्क है जो ऊर्जा-आधारित लेटेंट एविडेंस ग्रुपिंग और सिद्धांत-आधारित लॉग-मार्जनल एग्रीगेशन के माध्यम से उन्हें विषम विफलता तंत्रों के रूप में मॉडल करके LLM मतिभ्रम (hallucinations) का पता लगाता है, जो अंतर्निहित मॉडल को संशोधित किए बिना विविध बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र यह प्रदर्शित करके LLM डिस्टिलेशन में रिवर्स KL डाइवर्जेंस (Reverse KL divergence) के प्रति प्रचलित प्राथमिकता को चुनौती देता है कि टेम्परेचर स्केलिंग (temperature scaling) को शामिल करना प्रदर्शन परिदृश्य को मौलिक रूप से बदल देता है, जिससे फॉरवर्ड KL (Forward KL), उच्च तापमान पर लगातार रिवर्स KL से बेहतर प्रदर्शन करने में सक्षम होता है और सरल KL-आधारित तरीकों को अत्याधुनिक दृष्टिकोणों के बराबर लाने में सक्षम बनाता है।
यह शोध पत्र प्रदर्शित करता है कि स्टोकेस्टिक राउंडिंग (stochastic rounding) एक सामान्य स्पेक्ट्रल रेगुलराइज़र (spectral regularizer) के रूप में कार्य करती है, जो अत्यधिक और स्थिर पहलू अनुपात (aspect ratios) वाली मैट्रिसेस में न केवल सबसे छोटे सिंगुलर मान (singular value) को, बल्कि पूंछ वाले सिंगुलर मानों (tail singular values) के संपूर्ण क्लस्टर्स को भी ऊपर उठाती है।
यह शोधपत्र रॉकैफेल-उर्यासेव वेरिएशनल रिप्रजेंटेशन और कॉन्फॉर्मल इन्फरेंस का लाभ उठाकर गैर-स्थिर (non-stationary) और प्रतिकूल वातावरण में कंडीशनल वैल्यू-एट-रिस्क (CVaR) को नियंत्रित करने के लिए एक ऑनलाइन, डिस्ट्रीब्यूशन-फ्री फ्रेमवर्क प्रस्तुत करता है, जो स्टेशनैरिटी मान्यताओं पर निर्भर किए बिना प्रमाणित सुरक्षा गारंटी प्रदान करता है।
यह शोध पत्र CARVE को प्रस्तुत करता है, जो एक ओपन-सोर्स पायथन और आर पैकेज है जो जटिल, उच्च-आयामी बायोमेडिकल डेटा पर पारंपरिक ज्यामितीय सत्यापन सूचकांकों से बेहतर प्रदर्शन करने के लिए रीसैंपलिंग-आधारित स्थिरता और सामान्यीकरण निदान का उपयोग करके क्लस्टरिंग में पुनरुत्पादकता संकट को संबोधित करता है।