23924 पेपर
EchoDistill एक संरेखण-आधारित नॉइज़ी-टू-क्लीन सेल्फ-डिस्टिलेशन फ्रेमवर्क है जो एक फ्रोजन क्लीन-ऑडियो टीचर का उपयोग करके ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन (GRPO) के माध्यम से एक नॉइज़ी स्टूडेंट को निर्देशित करता है, जिससे वास्तविक दुनिया के शोर के विरुद्ध ऑडियो लार्ज लैंग्वेज मॉडल्स की मजबूती बढ़ती है और बिना किसी अतिरिक्त इन्फरेंस लागत के सिमेंटिक विश्वसनीयता और टास्क परफॉर्मेंस में सुधार होता है।
यह शोध पत्र QUIVER को प्रस्तुत करता है, जो संवेदनशीलता मैट्रिसेस (sensitivity matrices), प्रक्षेप विक्षेपण मेट्रिक्स (trajectory divergence metrics) और द्विभाजन थ्रेशोल्ड (bifurcation thresholds) को परिभाषित करके कंपाउंड AI सिस्टम में विक्षोभ प्रसार (perturbation propagation) और संरचनात्मक द्विभाजन (structural bifurcation) को परिमाणित करने वाला एक औपचारिक ढांचा है, जिसे विविध प्रोडक्शन और पब्लिक पाइपलाइनों में मान्य किया गया है ताकि विशिष्ट संवेदनशीलता प्रोफाइल को प्रकट किया जा सके और मूल्यांकन आर्टिफैक्ट्स (evaluation artifacts) को स्थानीयकृत किया जा सके।
यह शोध पत्र जॉब शॉप शेड्यूलिंग के लिए एक विश्वसनीय, कम लागत वाले लर्निंग-असिस्टेड हाइपर-ह्यूरिस्टिक का प्रस्ताव करता है जो रिग्रेट-नॉर्मलाइज्ड रोलआउट लेबल्स, कॉन्टेक्स्टुअल KNN अनसर्टेन्टी एस्टीमेट्स और एक गेटेड डिसीजन मैकेनिज्म को जोड़कर महंगे लेबल जनरेशन को कम करता है और चयन स्थिरता सुनिश्चित करता है।
यह शोध पत्र यूरोपीय बाजारों में बैटरी ऊर्जा भंडारण प्रणाली (BESS) के संचालन को अनुकूलित करने के लिए गैर-समान फ्रीक्वेंसी कंटेनमेंट रिजर्व (FCR) बोलियों और डीप रिइन्फोर्समेंट लर्निंग का उपयोग करने वाले एक दो-चरणीय नियंत्रण ढांचे का प्रस्ताव करता है, जो रिजर्व दायित्वों और वास्तविक समय के असंतुलन आर्बिट्रेज अवसरों के बीच बेहतर संतुलन बनाकर स्थिर बिडिंग रणनीतियों की तुलना में 7.56% लाभ वृद्धि प्राप्त करता है।
यह शोध पत्र तर्क देता है कि लार्ज लैंग्वेज मॉडल्स (LLMs) लेटेंट एनवायरनमेंट डायनेमिक्स के साथ ऑब्जेक्टिव मिसमैच के कारण लॉन्ग-होरिजन प्लानिंग और कॉज़ल रीजनिंग में संघर्ष करते हैं, जो "फ्लक्स" (Flux) एनवायरनमेंट के माध्यम से यह प्रदर्शित करता है कि लेटेंट स्टेट ट्रांज़िशन तक स्पष्ट पहुंच रखने वाले एजेंट स्थिर, दीर्घकालिक निर्णय लेने में LLMs की तुलना में काफी बेहतर प्रदर्शन करते हैं।
यह शोध पत्र खिलौना (toy) और वास्तविक दुनिया के डोमेन में समीकरण खोज (equational discovery) में विकास की गतिशीलता की जांच करता है, जिसमें यह पाया गया है कि जबकि अल्पकालिक विकास एक पावर लॉ का अनुसरण करता है, दीर्घकालिक प्रक्षेपवक्र (trajectories) सबस्ट्रेट-निर्भर संतृप्ति पैटर्न प्रदर्शित करते हैं जिन्हें एक संतृप्त पावर-लॉ फंक्शन द्वारा बेहतर ढंग से मॉडल किया जा सकता है, और विशिष्ट गतिशीलता विभिन्न कम्प्यूटेशनल वातावरणों के बीच महत्वपूर्ण रूप से भिन्न होती है।
यह शोधपत्र MODIAD का प्रस्ताव करता है, जो मल्टीमॉडल ऑनलाइन वितरित औद्योगिक विसंगति पहचान (multimodal online distributed industrial anomaly detection) के लिए एक नवीन ढांचा है, जो संसाधन बाधाओं के तहत उत्कृष्ट प्रदर्शन और दक्षता प्राप्त करने के लिए एक 'सीक्वेंशियल मार्जिनल गेन ग्रीडी' एल्गोरिदम द्वारा हल की गई 'मल्टी-क्लास इंटेलिजेंट शेड्यूलिंग' समस्या और एक 'रिसोर्स एफिशिएंट क्लास-वाइज लो रैंक एडेप्टेशन' रणनीति का उपयोग करता है।
MemForest एक कुशल एजेंट मेमोरी सिस्टम है जो समानांतर चंक निष्कर्षण (parallel chunk extraction) और एक पदानुक्रमित टेम्पोरल इंडेक्स जिसे MemTree कहा जाता है, को पेश करके लॉन्ग-कॉन्टेक्स्ट LLMs में स्केलेबिलिटी और लेटेंसी संबंधी समस्याओं का समाधान करता है, जो मेमोरी बेंचमार्क पर बेहतर प्रदर्शन और थ्रूपुट प्राप्त करने के लिए महंगी फुल-स्टेट रीराइट्स के स्थान पर स्थानीयकृत अपडेट का उपयोग करता है।
यह शोध पत्र एक द्वि-दिशीय चिंतन-शिक्षण अंतःक्रिया मॉडल प्रस्तावित करता है जो स्वायत्त रोबोटों को निरंतर पर्यावरणीय अंतःक्रिया के माध्यम से अपनी विशेषताओं, श्रेणियों, मॉडलों और क्रियात्मक दिनचर्या को गतिशील रूप से अनुकूलित करके पूर्व-निर्धारित शिक्षण बाधाओं को पार करने में सक्षम बनाता है, जिसके परिणामस्वरूप पहचान सटीकता, मॉडल अपडेट सफलता और क्रिया दक्षता में महत्वपूर्ण सुधार होता है।
यह सर्वेक्षण एजेंट वर्कफ़्लो के माध्यम से सुरक्षा, मजबूती, गोपनीयता और सुरक्षा जोखिमों का परीक्षण करके, मूल्यांकन मेट्रिक्स और बेंचमार्क को समेकित करके, और उच्च-जोखिम वाले परिनियोजन के लिए व्यावहारिक शमन रणनीतियों के साथ खुले चुनौतियों की रूपरेखा तैयार करके, भरोसेमंद एजेंटिक एआई सिस्टम बनाने के लिए एक व्यापक ढांचा प्रदान करता है।