23941 पेपर
यह शोध पत्र ANAUS को प्रस्तुत करता है, जो एक एनाटॉमी-एंकरड सेल्फ-सुपरवाइज्ड फ्रेमवर्क है जो एक प्रॉम्प्ट-इंजीनियर्ड एनाटॉमी डेलिनेशन मॉड्यूल और एक ड्यूल-पॉलिसी लर्निंग स्ट्रैटेजी का लाभ उठाकर विजन फाउंडेशन मॉडल्स को इनवेरिएंट अल्ट्रासाउंड रिप्रेजेंटेशन्स सीखने के लिए डिस्टिल करता है, जिससे कई क्लिनिकल डेटासेट्स पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र ऑटोरिग्रेसिव-फ्री न्यूरल ऑपरेटर्स (AFNO) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो समय-निर्भर PDEs को एक लेटेंट स्पेस में मैप करता है और निरंतर-समय वेक्टर फील्ड्स को मॉडल करने के लिए फ्लो मैचिंग का उपयोग करता है, जिससे त्रुटि संचय को कम करते हुए स्थिर, दीर्घ-क्षिति भविष्यवाणी प्राप्त करने के लिए ऑटोरिग्रेसिव रोलआउट को समाप्त किया जा सके।
यह शोध पत्र नेटिव-लेखक-सत्यापित SomaliBench v0 बेंचमार्क का उपयोग करके चार ओपन-वेट लैंग्वेज मॉडल्स का मूल्यांकन करता है और अंग्रेजी-से-सोमाली सुरक्षा अपैत्रता (safety refusal) के महत्वपूर्ण अंतराल को प्रकट करता है, जहाँ मॉडल सुसंगत या गलत-भाषा वाले आउटपुट के कारण सोमाली में हानिकारक प्रॉम्प्ट्स को अस्वीकार करने में अक्सर विफल हो जाते हैं, न कि सुचारू हानिकारक अनुपालन के कारण।
यह शोध पत्र प्रदर्शित करता है कि विज़न लैंग्वेज मॉडल्स को टेक्स्ट के माध्यम से संकेत (पॉइंट) करने के लिए प्रशिक्षित करना एक आंतरिक क्रमिक दृश्य खोज (सीरियल विजुअल सर्च) तंत्र को प्रेरित करता है जो प्रभावी रूप से बाइंडिंग समस्या को हल करता है, फीचर-बाइंडिंग त्रुटियों को समाप्त करता है, और मल्टी-ऑब्जेक्ट दृश्यों में कंपोजिशनल जनरलाइजेशन को सक्षम बनाता है।
CODESKILL एक सुदृढीकरण अधिगम (reinforcement learning) आधारित ढांचा है जो कोडिंग एजेंट प्रक्षेप पथों (trajectories) से बहु-स्तर की प्रक्रियात्मक कौशलों (multi-granularity procedural skills) के एक संक्षिप्त बैंक को निकालने, विकसित करने और बनाए रखने के लिए सीखता है, जो मौजूदा प्रॉम्प्ट-आधारित या मेमोरी दृष्टिकोणों की तुलना में SWE-Bench Verified जैसे बेंचमार्क पर डाउनस्ट्रीम कार्य प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह शोध पत्र एक दो-चरणीय, मल्टी-एजेंट एलएलएम (LLM) ढांचे को प्रस्तुत करता है जो लाइव ऑपरेटिंग रूम इंटरैक्शन को स्वचालित रूप से स्कोर करने के लिए व्याख्यात्मक सर्जिकल फीडबैक गुणवत्ता मानदंडों की खोज करता है, जो फीडबैक प्रभावशीलता और प्रशिक्षु व्यवहार समायोजन की भविष्यवाणी करने में पूर्व विधियों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र यह प्रदर्शित करता है कि पोस्ट-ट्रेन्ड लैंग्वेज मॉडल्स आंतरिक आश्चर्य ट्रैकिंग (internal surprise tracking) द्वारा संचालित कम आउटपुट एंट्रॉपी के माध्यम से अपने स्वयं के ऑन-पॉलिसी जनरेशन को अंतर्निहित रूप से पहचानते हैं, जबकि एक अलग तंत्र के माध्यम से इस पहचान को स्पष्ट रूप से मौखिक रूप देने की विशिष्ट क्षमता भी रखते हैं।
IndexMem एक सीखने योग्य इंडेक्सर (learnable indexer) को सटीक टोकन इविक्शन (token eviction) के लिए और एक हल्के लेटेंट मेमोरी मॉड्यूल (lightweight latent memory module) को छोड़ी गई जानकारी को संरक्षित करने के लिए जोड़कर लॉन्ग-कॉन्टेक्स्ट LLM इन्फरेंस में KV-कैशे बाधा (KV-cache bottleneck) को संबोधित करता है, जिससे विभिन्न मॉडलों और बेंचमार्क में प्रदर्शन और स्थिरता में काफी सुधार होता है।
EXPO-FT एक नवीन प्रणाली है जो पूर्व-प्रशिक्षित विजन-लैंग्वेज-एक्शन मॉडल्स के स्थिर और अत्यधिक सैंपल-कुशल सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) फाइन-ट्यूनिंग को सक्षम बनाती है, जो न्यूनतम ऑनलाइन रोबोट डेटा के साथ जटिल हेरफेर कार्यों पर पूर्ण सफलता दर प्राप्त करती है।
यह शोध पत्र शैक्षिक पक्ष-आधारित भावना विश्लेषण (एस्पेक्ट-बेस्ड सेंटीमेंट एनालिसिस) के लिए एक नियंत्रित सिंथेटिक बेंचमार्क प्रस्तुत करता है, जिसमें 20-पक्षों वाले स्कीमा के साथ कठोरता से निर्मित 10,000 पाठ्यक्रम समीक्षाएं शामिल हैं, ताकि सार्वजनिक लेबल वाले डेटा की कमी को दूर किया जा सके और उन मॉडलों के मूल्यांकन के लिए एक पुनरुत्पादक सेटिंग प्रदान की जा सके जो सिंथेटिक और वास्तविक दुनिया के फीडबैक दोनों पर आशाजनक, हालांकि चुनौतीपूर्ण, प्रदर्शन दिखाते हैं।