24509 पेपर
RecMem एक कुशल दीर्घकालिक (long-running) LLM एजेंट मेमोरी सिस्टम है जो प्रत्येक इंटरैक्शन को तुरंत प्रोसेस करने के बजाय, एक हल्के एम्बेडिंग-आधारित अवचेतन स्तर (subconscious layer) में आवर्ती सिमेंटिक पैटर्न का पता चलने तक LLM-आधारित मेमोरी कंसोलिडेशन को स्थगित करके टोकन की खपत को काफी कम करता है और सटीकता में सुधार करता है।
यह शोध पत्र Ada-Diffuser का प्रस्ताव करता है, जो एक एकीकृत कारणत्मक डिफ्यूजन (causal diffusion) ढांचा है जो जटिल वातावरणों में निर्णय लेने, योजना बनाने और अनुकूलनशील नीति शिक्षण को बढ़ाने के लिए न्यूनतम अवलोकनों से विकसित होने वाली गुप्त गतिकी (evolving latent dynamics) को स्पष्ट रूप से अनुमानित करता है।
यह शोधपत्र यह प्रदर्शित करता है कि मिसस्पेसिफाइड (misspecified) मोनोपॉली डिमांड मॉडल के साथ एक्सप्लोर-देन-एक्सप्लोइट (explore-then-exploit) पाइपलाइन का उपयोग करने वाली सरल एल्गोरिद्मिक प्राइसिंग प्रणालियाँ, बहु-फर्म बाजारों में, विशेष रूप से तब, व्यवस्थित रूप से सुप्रा-कॉम्पिटिटिव (supra-competitive), मिलीभगत जैसे मूल्यों पर अभिसरित हो सकती हैं जब फर्में नैश इक्विलिब्रियम (Nash equilibrium) के एक ही पक्ष पर समान मूल्य श्रेणियों का अन्वेषण करती हैं।
AgriMind एक एंसेम्बल डीप लर्निंग फ्रेमवर्क है जो ResNet50, EfficientNet-B0 और DenseNet121 को संयोजित करता है, जो मिर्च, आलू और टमाटर की फसलों के 15 पादप रोग श्रेणियों को वर्गीकृत करने में 99.23% सटीकता प्राप्त करता है, जो व्यक्तिगत मॉडलों की तुलना में त्रुटि दरों को काफी कम करता है और साथ ही बांग्लादेश में संभावित मोबाइल परिनियोजन के लिए उपयुक्त हल्का दक्षता बनाए रखता है।
यह शोध पत्र एक हल्के हाइब्रिड आर्किटेक्चर का प्रस्ताव करता है जो इंट्रा-रो सेमेंटिक्स (intra-row semantics) के लिए एक फाइन-ट्यून्ड BART एनकोडर को रिलेशनल कॉन्टेक्स्ट (relational context) के लिए एक GraphSAGE-आधारित GNN के साथ जोड़ता है, जो यह प्रदर्शित करता है कि यह दृष्टिकोण रिलेशनल डेटाबेस कार्यों पर प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है और संरचित डेटा (structured data) के लिए फाउंडेशन मॉडल्स की ओर एक संसाधन-कुशल मार्ग प्रदान करता है।
यह शोध पत्र केंद्रीकृत (Centralized), विकेंद्रीकृत (Decentralized) और अर्ध-विकेंद्रीकृत (Semi-decentralized) फेडरेटेड लर्निंग आर्किटेक्चर के बीच प्रदर्शन संबंधी ट्रेड-ऑफ का Fedstellar सिम्युलेटर, MNIST डेटासेट और MLP क्लासिफायर का उपयोग करके प्रयोगात्मक रूप से विश्लेषण करता है ताकि उनकी संबंधित शक्तियों और सीमाओं पर तुलनात्मक अध्ययनों की कमी को दूर किया जा सके।
यह शोध पत्र FedHF-Impute का प्रस्ताव करता है, जो एक फेडरेटेड इम्प्यूटेशन फ्रेमवर्क है जो एक साझा वैश्विक फीचर ग्राफ का उपयोग करके अप्रत्यक्ष क्रॉस-क्लाइंट ज्ञान हस्तांतरण को सक्षम बनाता है और उन विषम फीचर स्पेस में सटीकता में महत्वपूर्ण सुधार करता है जहाँ क्लाइंट केवल आंशिक रूप से ओवरलैपिंग फीचर सबसेट्स देखते हैं।
यह शोध पत्र टेम्पोरल डिस्ट्रीब्यूशन शिफ्ट्स के तहत डायनेमिक ग्राफ ट्रांसफॉर्मर्स के एक प्रमुख विफलता मोड के रूप में अटेंशन डिस्पर्शन (attention dispersion) की पहचान करता है और एक हस्तांतरणीय समाधान, DiffDyG प्रस्तावित करता है, जो कॉमन-मोड सिग्नल्स को दबाने और विशिष्ट विशेषताओं को बढ़ाने के लिए डिफरेंशियल अटेंशन का उपयोग करता है, जिससे कई बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोधपत्र DebiasRAG का प्रस्ताव करता है, जो एक ट्यूनिंग-मुक्त ढांचा है जो अतिरिक्त मॉडल प्रशिक्षण की आवश्यकता के बिना सामाजिक रूढ़ियों का मुकाबला करने के लिए मानक सूचना के साथ पूर्वाग्रह-शमन संदर्भों को गतिशील रूप से पुनर्प्राप्त (retrieve) और पुनर्रैंक (rerank) करके लार्ज लैंग्वेज मॉडल जनरेशन में निष्पक्षता को बढ़ाता है।
यह शोध पत्र शॉपजिम (ShopGym) का परिचय देता है, जो एक एकीकृत ढांचा है जो लाइव स्टोरफ्रंट्स को पुनरुत्पादक सैंडबॉक्स वातावरण (शॉपएरिना/ShopArena) में बदलकर और ग्राउंडेड बेंचमार्क कार्यों (शॉपगुरु/ShopGuru) को संश्लेषित करके ई-कॉमर्स एजेंट मूल्यांकन के बीच के अंतर को पाटता है, यह प्रदर्शित करते हुए कि सिंथेटिक दुकानें प्रमुख संरचनात्मक गुणों को बनाए रखती हैं और वास्तविक दुनिया की साइटों पर एजेंट के प्रदर्शन के साथ सहसंबंध रखती हैं।