23941 पेपर
यह शोध पत्र ARM Cortex-M4 माइक्रोकंट्रोलर्स पर एक्टिवेशन फंक्शन के लिए एक कांस्टेंट-टाइम कार्यान्वयन पद्धति का प्रस्ताव और सत्यापन करता है जो ब्रांचलेस सिलेक्शन, फिक्स्ड-कॉस्ट पाडे (Padé) सन्निकटन और साइकिल अलाइनमेंट के माध्यम से टाइमिंग साइड-चैनल कमजोरियों को समाप्त करता है, जबकि कई प्रकार के फंक्शनों में उच्च संख्यात्मक सटीकता बनाए रखता है।
यह शोध पत्र Pre-VLA को प्रस्तुत करता है, जो एक एकीकृत रनटाइम सत्यापन आर्किटेक्चर है जो मल्टी-टास्क लर्निंग दृष्टिकोण का उपयोग करके विजन-लैंग्वेज-एक्शन मॉडल्स और वर्ल्ड मॉडल्स के लिए क्रिया वैधता का पूर्व में आकलन करता है, जिससे एम्बॉडीड इंटेलिजेंस कार्यों में सफलता दर में उल्लेखनीय सुधार होता है, निष्पादन चरणों को कम किया जाता है, और त्रुटि संचय को कम किया जाता है।
यह शोध पत्र Qreg+NWLU का प्रस्ताव करता है, जो एक वैल्यू-आधारित डेटा रिहर्सल विधि है जो मल्टी-साइक्लिक कॉन्टिनुअल रीइन्फोर्समेंट लर्निंग के लिए निरंतर Q-वैल्यू संग्रह और तत्काल "नो-वेट" रेगुलाइजेशन को पेश करके एक्टर-सेंट्रिक दृष्टिकोणों की सीमाओं को दूर करती है ताकि कैटास्ट्रोफिक फॉरगेटिंग को प्रभावी ढंग से कम किया जा सके और नॉलेज ट्रांसफर को बढ़ाया जा सके।
स्टेइन्स;गेट ड्राइव (Steins;Gate Drive) एक लेटेंसी-डिकपल्ड प्लानिंग आर्किटेक्चर पेश करता है जो एक एलएलएम (LLM) का उपयोग करके काउंटरफैक्चुअल ड्राइविंग फ्यूचर्स (अल्फा, बीटा और गामा वर्ल्डलाइन्स) को प्री-सेलेक्ट करता है, जबकि एक रनटाइम सिस्टम सुरक्षा अनुबंधों को लागू करता है, जो प्रभावी रूप से कंट्रोल लेटेंसी को समाप्त करता है और हाईवे पर सुरक्षा सीमाओं को बनाए रखता है।
यह शोध पत्र KAPPS प्रस्तुत करता है, जो एक ज्ञान-आधारित साइबर फिजिकल प्रोडक्शन सिस्टम आर्किटेक्चर है जिसे विषम उत्पाद अवस्थाओं (heterogeneous product states) को प्रबंधित करने, बाधाओं को लागू करने और मानव-मशीन ज्ञान विनिमय को सुगम बनाने के लिए एक ऑन्टोलॉजी-आधारित नॉलेज ग्राफ को डायनेमिक डेटा बैकबोन के रूप में उपयोग करके चक्रीय विनिर्माण (circular manufacturing) को सक्षम करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र यह प्रदर्शित करता है कि रैंडम नोड सैंपलिंग (Random Node Sampling), स्थानीय ग्राफ संरचना को त्यागने के बावजूद, मिनी-बैच SGD के बैकवर्ड एरर विश्लेषण के माध्यम से प्रकट रूप से कम ग्रेडिएंट वेरिएंस वाले एक रेगुलराइज्ड ऑब्जेक्टिव को न्यूनतम करके, फुल-ग्राफ ट्रेनिंग और जटिल स्ट्रक्चर-अवेयर सैंपलर्स से बेहतर प्रदर्शन करती है।
यह शोध पत्र विश्लेषण करता है कि कैसे एक्शन-चंकिंग बिहेवियरल क्लोनिंगिंग में विभिन्न मल्टीमॉडल पैरामीट्राइजेशन अलग-अलग बाधाओं के तहत विफल होते हैं, यह प्रदर्शित करते हुए कि लेटेंट-वेरिएबल पॉलिसियाँ रेगुलराइजेशन और मोड प्रिजर्वेशन के बीच के ट्रेड-ऑफ में संघर्ष करती हैं, जबकि एक्शन-स्पेस जनरेटिव पॉलिसियाँ अपने ट्रांसपोर्ट मैप्स की स्मूथनेस द्वारा सीमित होती हैं।
न्यूरल कंपाइलर एक ऐसी प्रणाली है जो स्कीम-समान भाषा में लिखे गए प्रतीकात्मक प्रोग्रामों को सटीक, अवकलनीय (differentiable) पायटॉर्च मॉड्यूल में अनुवादित करती है, जो हाइब्रिड वैज्ञानिक मशीन लर्निंग मॉडलों को ज्ञात भौतिकी को सीखे गए घटकों के साथ संयोजित करने में सक्षम बनाती है, जबकि व्यवस्थित संरचनात्मकता और मानक PINN बेसलाइनों की तुलना में काफी कम मापदंडों के साथ बेहतर सटीकता सुनिश्चित करती है।
यह शोध पत्र यह तर्क देता है कि एजेंटिक वर्कफ़्लो को सीधे छोटे, फाइन-ट्यून्ड मॉडल्स के वेट्स (weights) में संकलित करना ("सबटेरेनियन एजेंट्स"), प्रचलित बाहरी ऑर्केस्ट्रेशन फ्रेमवर्क्स के मुकाबले एक लागत प्रभावी, निजी और संदर्भ-कुशल विकल्प प्रदान करता है, जो विविध जटिल कार्यों में फ्रंटियर-स्तर की गुणवत्ता प्रदर्शित करते हुए प्रमुख अंगीकरण बाधाओं को दूर करता है।
Search-E1 एक स्व-विकास (self-evolution) विधि है जो केवल वैनिला GRPO और ऑफलाइन स्व-डिस्टिलेशन (offline self-distillation) का उपयोग करके सर्च-ऑगमेंटेड रीजनिंग एजेंटों को उन्नत करती है ताकि जटिल बाहरी पर्यवेक्षण या सहायक मॉड्यूल पर निर्भर किए बिना QA बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त किया जा सके।