23466 पेपर
यह शोध पत्र प्रकट करता है कि डिस्क्रीट डिफ्यूजन मॉडल्स में नियंत्रित स्टोकेस्टिसिटी (stochasticity) रेडंडेंट ट्रांज़िशन के माध्यम से एक एरर-करेक्टिंग मैकेनिज्म के रूप में कार्य करती है, जिससे डिस्क्रीट चर्न एंड रीस्टार्ट सैंपलिंग (DCRS) का प्रस्ताव मिलता है, जो एक नवीन एल्गोरिदम है जो उच्च नमूना गुणवत्ता बनाए रखते हुए सैंपलिंग स्टेप्स को कम करके स्पीड-क्वालिटी ट्रेडऑफ में महत्वपूर्ण सुधार करता है।
यह शोधपत्र एडवर्सरियल कर्नेल बैंडिट्स के लिए एक नवीन एक्सपोनेंशियल-वेट्स एल्गोरिदम का प्रस्ताव करता है जो स्टोकेस्टिक सेटिंग से मेल खाने वाला एक नियर-ऑप्टिमल रिग्रेट बाउंड प्राप्त करता है, जिससे पूर्व दरों में सुधार होता है और मेटर्न (Matérn) जैसे कर्नेल्स के लिए प्रतिबंधात्मक धारणाओं को हटाया जाता है।
यह अध्ययन प्रदर्शित करता है कि जहाँ डेटा-समृद्ध क्रॉस-कंट्री परिवेशों में बाल एनीमिया की भविष्यवाणी करने में मॉडल के चयन का प्रभाव सीमित है, वहीं ट्रांसफार्मर-आधारित फाउंडेशन मॉडल TabPFN कम-संसाधन वाले, फ्यू-शॉट परिदृश्यों में बेहतर भेदभाव और अंशांकन (कैलिब्रेशन) प्रदान करके शास्त्रीय विधियों से काफी बेहतर प्रदर्शन करता है, जो अंततः यह प्रकट करता है कि एल्गोरिदम के अंतर की तुलना में जनसंख्या-स्तर की भिन्नताएँ भविष्यवाणी के प्रदर्शन को अधिक संचालित करती हैं।
यह शोध पत्र "Cordyceps" को प्रस्तुत करता है, जो एक गुप्त डेटा पॉइज़निंग हमला है जो फाइन-ट्यूनिंग के दौरान लार्ज लैंग्वेज मॉडल्स में एक सिमेंटिक सूचना-छिपाने वाली योजना को समाहित करता है, जिससे मनमाने निर्देशों के माध्यम से गुप्त नियंत्रण सक्षम होता है और मौजूदा बैकडोर एवं प्रॉम्प्ट इंजेक्शन सुरक्षा प्रणालियों से प्रभावी ढंग से बच पाना संभव होता है।
यह शोध पत्र DyCo-CL का प्रस्ताव करता है, जो एक ज्यामिति-जागरूक (geometry-aware) कंट्रास्टिव लर्निंग फ्रेमवर्क है जो स्पेक्ट्रल अस्थिरता और सिमेंटिक ड्रिफ्ट को दूर करने के लिए वर्चुअल एडवर्सरियल ऑग्मेंटेशन, एक सिग्नल-एडेप्टिव स्विन बैकबोन और हाइब्रिड नॉलेज फ्यूजन को एकीकृत करता है, जिससे फ्यू-शॉट ऑटोमैटिक मॉड्यूलेशन रिकग्निशन में 6.27% सटीकता में सुधार प्राप्त होता है।
यह शोध पत्र Pilot-Commit को प्रस्तुत करता है, जो एक बजट-जागरूक रोलआउट आवंटन ढांचा है जो ग्रुप-आधारित आरएल (RL) पोस्ट-ट्रेनिंग के दौरान गतिशील रूप से उच्च-विचलन वाले प्रॉम्प्ट्स की पहचान और उन्हें प्राथमिकता देता है, जो GRPO और DAPO जैसी मौजूदा विधियों की तुलना में सैंपलिंग लागत को काफी कम करता है और अभिसरण (convergence) को तेज करता है।
यह शोध पत्र KO-PDE-IDENT का प्रस्ताव करता है, जो एक डेटा-संचालित ढांचा है जो शोर युक्त अवलोकनों से सटीक और संक्षिप्त आंशिक अंतर समीकरणों (partial differential equations) की पहचान करने और मल्टीकोलिनैरिटी (multicollinearity) के कारण उत्पन्न होने वाले अवांछित पदों को समाप्त करने के लिए फॉल्स डिस्कवरी रेट (false discovery rate) नियंत्रण हेतु मॉडल-X नॉकऑफ फिल्टर, रिकर्सिव फीचर एलिमिनेशन और बहु-मानदंड निर्णय लेने की प्रक्रिया को संयोजित करता है।
यह शोध पत्र PANDA का प्रस्ताव करता है, जो एक पेनल्टी-आधारित फर्स्ट-ऑर्डर पॉलिसी-ग्रेडिएंट विधि है जो कुशलतापूर्वक उन बाइलेवल ऑप्टिमाइज़ेशन समस्याओं को हल करती है जहाँ लोअर लेवल एक ज़ीरो-सम मार्कोव गेम है, और बिना किसी सेकंड-ऑर्डर जानकारी या कॉनवेक्सिटी धारणाओं की आवश्यकता के, इष्टतम सैंपल कॉम्प्लेक्सिटी के साथ स्टेशनरी पॉइंट्स पर अभिसरण (कन्वर्जेंस) प्राप्त करता है।
यह शोध पत्र एक कारण अनुमान (causal inference) से प्रेरित विश्लेषण का उपयोग करता है जो यह प्रकट करता है कि स्वचालित प्रॉम्प्ट अनुकूलन विधियों का असंगत सामान्यीकरण विशिष्ट संपादन पैटर्न (जैसे कि जटिलता-बढ़ाने वाले संपादन) और कार्य विशेषताओं के बीच व्यवस्थित अंतःक्रियाओं से उत्पन्न होता है, न कि यादृच्छिक अनुकूलन आर्टिफ़ेक्ट्स से।
WINDQuant एक सुदृढीकरण शिक्षण (reinforcement learning) आधारित ढांचा है जो कॉलम चंक्स (column chunks) को गतिशील रूप से सूक्ष्म-बिट-चौड़ाई (fine-grained bit-widths) आवंटित करके लार्ज लैंग्वेज मॉडल्स के लिए वैश्विक मिश्रित-परिशुद्धता क्वांटाइजेशन (global mixed-precision quantization) को अनुकूलित करता है, जो बिना किसी महंगी पुन: प्रशिक्षण (retraining) की आवश्यकता के, न्यूनतम सटीकता ह्रास के साथ अल्ट्रा-लो-बिट मेमोरी बाधाओं को प्रभावी ढंग से संतुलित करता है।