23845 पेपर
यह अध्ययन प्रदर्शित करता है कि जहाँ अनस्ट्रक्चर्ड वेब रिट्रीवल (unstructured web retrieval) अन्वेषणात्मक कार्यों के लिए व्यापक कवरेज प्रदान करता है, वहीं सिमेंटिक मेटाडेटा (semantic metadata) स्वायत्त एजेंटों के लिए ओपन वेब पर नेविगेट करने वाले एजेंटों की तुलना में काफी उच्च सटीकता और उपयोगिता के साथ विश्वसनीय रूप से क्रियाशील, FAIR-अनुपालन डेटा प्राप्त करने के लिए अपरिहार्य बना हुआ है।
यह शोध पत्र स्किल-कंडीशन्ड गेटेड सेल्फ-डिस्टिलेशन (SGSD) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो शिक्षक परिकल्पना सत्यापन और गेटेड डिस्टिलेशन के लिए एक स्किल बैंक का लाभ उठाकर LLM तर्क क्षमता को बढ़ाता है, जिससे GRPO की तुलना में बेहतर प्रदर्शन और कमजोर प्रिविलेज्ड इन्फॉर्मेशन धारणाओं के तहत आंसर-कंडीशन्ड विधियों के विरुद्ध प्रतिस्पर्धी परिणाम प्राप्त होते हैं।
CaMBRAIN एक नवीन कॉज़ल (causal), मंबा-आधारित स्टेट स्पेस मॉडल है जो अटेंशन मैकेनिज्म की क्वाड्रेटिक जटिलता को दूर करके और महत्वपूर्ण लॉन्ग-रेंज कॉन्टेक्स्ट को बनाए रखने के लिए एक विशेष मल्टी-स्टेज सेल्फ-सुपरवाइज्ड ट्रेनिंग पाइपलाइन पेश करके लंबे EEG सिग्नल्स के रियल-टाइम, कंटीन्यूअस इन्फरेंस को सक्षम बनाता है।
यह शोध पत्र OmniVerifier-M1 को प्रस्तुत करता है, जो एक मल्टीमॉडल मेटा-वेरिफायर है जो पारंपरिक संयुक्त अनुकूलन दृष्टिकोणों से बेहतर प्रदर्शन करने के लिए प्रतीकात्मक तर्कों (symbolic rationales) और एक पृथक सुदृढीकरण शिक्षण (decoupled reinforcement learning) रणनीति का लाभ उठाकर मजबूत दृश्य सत्यापन और गतिशील स्व-सुधार प्राप्त करता है।
यह शोध पत्र कैलिब्रेटेड कलेक्टिव ओवरसाइट (CCO) प्रस्तुत करता है, जो एक ऐसी विधि है जो विविध ओवरसीयर संकेतों को कॉन्फॉर्मल डिसीजन थ्योरी के माध्यम से कैलिब्रेट किए गए एक पेनल्टी-आधारित तंत्र में एकत्रित करती है ताकि उन्नत एजेंटिक एआई सिस्टमों की उपयोगिता को बनाए रखते हुए उन पर स्केलेबल और सांख्यिकीय रूप से गारंटीकृत नियंत्रण प्रदान किया जा सके।
यह शोध पत्र सेंटर-ऑफ-प्रेशर (CoP) को प्रस्तुत करता है, जो एक भौतिकी-आधारित स्पर्श प्रतिनिधित्व (tactile representation) है जो सघन संपर्क सूचना (dense contact information) को सुरक्षित रखते हुए जटिल, संपर्क-समृद्ध हेरफेर कार्यों के लिए ज़ीरो-शॉट सिम-टू-रियल ट्रांसफर को सक्षम बनाता है, और बिना किसी ग्राउंड-ट्रुथ बल माप की आवश्यकता के सिमुलेशन-रियलिटी अंतराल को दूर करता है।
यह शोध पत्र तीन इष्टतम मरम्मत धारणाओं (optimal repair notions) का उपयोग करते हुए विसंगत प्राथमिकता वाले ज्ञान भंडारों (inconsistent prioritized knowledge bases) के लिए क्वेरी एंटेलमेंट और रिपेयर एन्यूमरेशन की डेटा जटिलता का विश्लेषण करता है, जबकि इन मरम्मतों और तर्क ढांचा विस्तारों (argumentation framework extensions) के बीच सटीक पत्राचार स्थापित करते हुए ग्राउंडेड एक्सटेंशन से प्रेरित एक नवीन, गणनात्मक रूप से कुशल सिमेंटिक्स प्रस्तावित करता है।
यह शोध पत्र डेटा-अनुकूली ऊर्जा दूरी (energy distance) पर आधारित सुदृढ़, ट्यूनिंग-पैरामीटर-मुक्त क्लासिफायर पेश करता है जो सामान्य परिस्थितियों में उच्च-आयामी, कम-नमूना आकार वाले डेटा के लिए पूर्ण वर्गीकरण प्राप्त करते हैं, और सिमुलेशन तथा वास्तविक दुनिया के अनुप्रयोगों दोनों में मौजूदा विधियों से बेहतर प्रदर्शन करते हैं।
यह शोध पत्र MAC को प्रस्तुत करता है, जो एक मल्टी-एजेंट फ्रेमवर्क है जो स्वायत्त सांख्यिकीय एल्गोरिदम चयन को मेटाडेटा पर एक प्रतिकूल LLM बहस के साथ जोड़कर कॉज़ल डिस्कवरी (कारण खोज) को बढ़ाता है, और मौजूदा सांख्यिकीय एवं सिंगल-एजेंट LLM विधियों की तुलना में विविध बेंचमार्क पर बेहतर प्रदर्शन और मजबूती प्राप्त करता है।
यह शोध पत्र Llama-3.1 परिवार में FP8, INT8 और INT4 क्वांटाइजेशन का एक व्यापक अनुभवजन्य अध्ययन प्रस्तुत करता है, जो यह प्रकट करता है कि FP8 प्रभावी रूप से लॉसलेस है, अच्छी तरह से ट्यून किया गया INT8 न्यूनतम सटीकता हानि करता है, और INT4 अत्यधिक प्रतिस्पर्धी है, साथ ही विभिन्न इन्फरेंस परिदृश्यों के लिए सटीकता और प्रदर्शन के बीच संतुलन बनाने वाले डेटा-संचालित परिनियोजन अनुशंसाएँ प्रदान करता है।