23941 पेपर
यह शोध पत्र RAG4Outcome का प्रस्ताव करता है, जो एक रिट्रीवल-ऑगमेंटेड मल्टीमॉडल फ्रेमवर्क है जो क्रोनिक ऑस्टियोमाइलाइटिस के लिए व्याख्या योग्य और विश्वसनीय रोगनिरूपण भविष्यवाणियां प्रदान करने के लिए विविध नैदानिक डेटा स्रोतों को एकीकृत करता है, जो पारंपरिक मैनुअल स्कोरिंग और मौजूदा मल्टीमॉडल लर्निंग दृष्टिकोणों की सीमाओं को संबोधित करता है।
यह शोध पत्र एक "संज्ञानात्मक कार्दाशेव स्केल" (Cognitive Kardashev Scale) प्रस्तावित करता है जो ऊर्जा की उपलब्धता, आवंटन दक्षता और हार्डवेयर प्रदर्शन को एकीकृत करके एक सभ्यता की कम्प्यूटेशनल क्षमता को परिमाणित करता है ताकि यह अनुमान लगाया जा सके कि विभिन्न सभ्यतागत स्तर कितनी निरंतर एआई-ग्रेड सोच (AI-grade thinking) का समर्थन कर सकते हैं।
यह शोधपत्र डीप होमोमोर्फिज्म नेटवर्क्स (DHNs) को रिलेशनल डेटाबेस के लिए एक शक्तिशाली आर्किटेक्चर के रूप में प्रस्तावित करता है, जो प्रथम-क्रम तर्क (first-order logic) और SQL के विशिष्ट अंशों के साथ उनकी सटीक अभिव्यंजक तुल्यता स्थापित करके, प्रमुख स्टैटिक एनालिसिस समस्याओं के लिए निर्णायकता (decidability) सिद्ध करके, और प्रयोगों के माध्यम से उनके श्रेष्ठ प्रदर्शन को मान्य करके किया गया है।
यह शोध पत्र प्रकट करता है कि छोटे भाषा मॉडल (1-3B) चेन-ऑफ-थॉट प्रॉम्प्टिंग में वास्तविक अंकगणितीय तर्क को दरकिनार करते हुए एक स्थितिजन्य शॉर्टकट (पोजीशनल शॉर्टकट) पर निर्भर करते हैं, जहाँ वे उत्तर विभाजक (एन्सर डेलिमिटर) से ठीक पहले आने वाली संख्या को सीधे कॉपी कर लेते हैं, एक ऐसा तंत्र जो प्रदर्शन पर हावी हो जाता है और CoT-आधारित निरीक्षण की विश्वसनीयता को कमजोर करता है।
यह शोध पत्र EDRM का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त (training-free) रूटिंग फ्रेमवर्क है जो शुरुआती डिकोडिंग के दौरान एक चरण-परिवर्तन जैसी एंट्रॉपी शिफ्ट (phase-transition-like entropy shift) की पहचान करता है ताकि गतिशील रूप से यह निर्धारित किया जा सके कि चेन-ऑफ-थॉट (Chain-of-Thought) तर्क कब फायदेमंद है, जिससे विविध कार्यों और मॉडलों में सटीकता में सुधार करते हुए टोकन की खपत को महत्वपूर्ण रूप से कम किया जा सके।
यह शोध पत्र रिसर्च मैथ एजेंट्स (RMA) को पेश करता है, जो एक ऐसा एजेंटिक फ्रेमवर्क है जो साहित्य ग्राउंडिंग (literature grounding), प्रमाण निर्माण (proof generation) और सत्यापन (verification) के लिए कार्यों को विशिष्ट मॉड्यूल में विभाजित करने वाले एक बहु-भूमिका, पुनरावृत्ति वर्कफ़्लो का उपयोग करके शोध-स्तर की गणितीय समस्याओं पर GPT-5.2R जैसे मजबूत बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र टेंसर कैश (Tensor Cache) का परिचय देता है, जो एक दो-स्तरीय साहचर्य स्मृति (two-level associative memory) प्रणाली है जो स्लाइडिंग-विंडो अटेंशन को एक निश्चित-आकार के आउटर-प्रोडक्ट फास्ट-वेट मेमोरी के साथ जोड़ती है ताकि निष्कासित टोकनों को बनाए रखने और संकुचित करने में मदद मिल सके, जिससे लंबे-संदर्भ वाले ट्रांसफॉर्मर्स के लिए मेमोरी-क्वालिटी फ्रंटियर में सुधार होता है और एक सामान्य प्रशिक्षण शॉर्टकट को सुधारा जा सके जो स्प्यूरियस क्रॉस-टोकन इंटरैक्शन पेश करता है।
यह शोध पत्र ImProver 2 को प्रस्तुत करता है, जो एक न्यूरोसिम्बोलिक ढांचा है जो डेटा-कुशल विशेषज्ञ पुनरावृत्ति (expert iteration) को एक संरचनात्मक स्कैफोल्डिंग प्रणाली के साथ जोड़ता है ताकि छोटे भाषा मॉडलों को Lean 4 में जटिल औपचारिक प्रमाणों (formal proofs) को प्रभावी ढंग से अनुकूलित करने में सक्षम बनाया जा सके, जो काफी बड़े मॉडलों से बेहतर प्रदर्शन करता है और प्रमाण अनुकूलन को एक स्केलेबल, सीखने योग्य कार्य के रूप में स्थापित करता है।
एजेंटिक-वीएलए (Agentic-VLA) विजन-लैंग्वेज-एक्शन मॉडल्स के लिए एक कुशल ऑनलाइन अनुकूलन ढांचा है जो रोबोटिक मैनिपुलेशन बेंचमार्क पर सामान्यीकरण, नमूना दक्षता और क्रॉस-टास्क ट्रांसफर को महत्वपूर्ण रूप से सुधारने के लिए एडेप्टिव रिवॉर्ड सिंथेसिस, लैंग्वेज-गाइडेड एक्सप्लोरेशन और एक्सपीरियंस मेमोरी का लाभ उठाता है।
यह शोध पत्र विज़न-लैंग्वेज मॉडल्स की व्याख्या करने के लिए ट्रांसकोडर्स (Transcoders) का उपयोग करते हुए एक फंक्शन-सेंट्रिक फ्रेमवर्क पेश करता है, जो यह प्रदर्शित करता है कि यह दृष्टिकोण स्पार्स ऑटोएनकोडर्स (Sparse Autoencoders) की तुलना में अधिक स्थिर विज़ुअल ग्राउंडिंग प्रदान करता है और मैकेनिस्टिक ग्राफ विश्लेषण के माध्यम से मतिभ्रम (hallucinations) की भविष्यवाणी करने में सक्षम बनाता है।