20089 पेपर
यह शोध पत्र CGS का प्रस्ताव करता है, जो एक नवीन कॉन्फ़िगर करने योग्य ग्राफ़ सारांशीकरण ढांचा (framework) है जो लॉसलेस परिणामों या सीमित पड़ोस हानि (neighborhood loss) के साथ कई ग्राफ़ प्रश्नों का समर्थन करने के लिए सामान्य पड़ोस वाले नोड्स को एकत्रित करके संक्षिप्त सारांश उत्पन्न करता है, जबकि उपयोगकर्ताओं को सहने योग्य त्रुटि प्रकारों और थ्रेशोल्ड को अनुकूलित करने की अनुमति देता है।
EquiFusion एक परम्यूटेशन इक्विवैरिएंट लेटेंट डिफ्यूजन आर्किटेक्चर का उपयोग करने वाला पहला किनेमैटिक्स-अज्ञेय मानव गति भविष्यवाणी मॉडल पेश करता है जो कंकाल की कनेक्टिविटी को एक स्पष्ट इनपुट के रूप में मानता है, जिससे उत्कृष्ट क्रॉस-डेटासेट सामान्यीकरण, ज़ीरो-शॉट क्षमताएं, और पिछले तरीकों की तुलना में काफी अधिक दक्षता के साथ अत्याधुनिक प्रदर्शन सक्षम होता है।
यह शोध पत्र HUMA को प्रस्तुत करता है, जो एक हाइब्रिड आर्किटेक्चर है जो वास्तविक समय में, सामाजिक रूप से जागरूक मोबाइल रोबोट नेविगेशन को सक्षम करने के लिए कुशल सुदृढीकरण शिक्षण (reinforcement learning) नीतियों को सशर्त विजन-लैंग्वेज मॉडल तर्क के साथ गतिशील रूप से संयोजित करता है, जो कार्य सफलता में महत्वपूर्ण सुधार करता है और मानव टकरावों को कम करता है।
यह शोधपत्र नियतकालिक नीतियों (deterministic policies) के साथ विस्तारित मीन फील्ड कंट्रोल (mean field control) के लिए एक मॉडल-मुक्त, निरंतर-समय एक्टर-क्रिटिक सुदृढीकरण शिक्षण ढांचे का प्रस्ताव करता है, जो माप व्युत्पन्न (measure derivatives) से जुड़े एक परिष्कृत पॉलिसी ग्रेडिएंट फॉर्मूला का लाभ उठाता है ताकि उन समस्याओं के लिए कुशल और सुदृढ़ समाधान सक्षम किए जा सकें जहाँ गतिकी (dynamics) और पुरस्कार संयुक्त अवस्था-क्रिया वितरण (joint state-action distribution) पर निर्भर करते हैं।
यह शोधपत्र AdvNav को प्रस्तुत करता है, जो एक व्यवहार-निर्देशित ब्लैक-बॉक्स प्रतिकूल हमला (adversarial attack) ढांचा है जो मॉडल ग्रेडिएंट्स की आवश्यकता के बिना विघटनकारी दृश्य व्यवधान (visual perturbations) उत्पन्न करने के लिए हाइब्रिड अनुकूलन रणनीति को निर्देशित करने हेतु दोहरी-स्तर की व्यवहारिक प्रतिक्रिया (dual-granularity behavioral feedback) का उपयोग करके विजन-लैंग्वेज नेविगेशन एजेंटों को प्रभावी ढंग से बाधित करता है।
यह शोध पत्र यह प्रकट करता है कि वर्तमान Video-LLMs लंबे वीडियो में विशिष्ट पात्रों को वास्तविक रूप से ट्रैक करने में काफी हद तक विफल रहते हैं, इसके बजाय वे सतही लैंगिक संकेतों पर निर्भर रहते हैं और समान लिंग वाले व्यक्तियों के बीच अंतर करने में विफल रहते हैं, जिसके कारण बेंचमार्क स्कोर उनकी वास्तविक टेम्पोरल रीजनिंग और पहचान-ट्रैकिंग क्षमताओं को बढ़ा-चढ़ाकर दिखाते हैं।
यह शोध पत्र डिफ्यूजन ट्रांसफॉर्मर्स में नियंत्रित मोशन ट्रांसफर के लिए एक पैरामीटर-मुक्त, हेड-अवेयर फ्रेमवर्क का प्रस्ताव करता है, जो लक्षित सिमेंटिक्स को संरक्षित करते हुए सटीक मोशन अलाइनमेंट प्राप्त करने के लिए मोशन और स्थानिक संरचना (स्पेशियल स्ट्रक्चर) के लिए विशिष्ट अटेंशन हेड्स की पहचान और हेरफेर करता है।
यह शोध पत्र OS-Pruner को पेश करता है, जो एक हल्का प्लग-इन फ्रेमवर्क है जो चेन-ऑफ-थॉट प्रूनिंग को एक इष्टतम स्टॉपिंग समस्या (optimal stopping problem) के रूप में तैयार करता है ताकि रीजनिंग चेन्स के लिए सबसे कुशल समाप्ति बिंदु को गतिशील रूप से निर्धारित किया जा सके, जिससे न्यूनतम सटीकता हानि के साथ जनरेशन की लंबाई को 20-60% तक कम किया जा सके।
AgentCheck एक ओपन-सोर्स वेब वर्कबेंच है जो डेवलपर्स को वास्तविक टूल रिस्पॉन्स में विभिन्न दोषों (faults) को इंजेक्ट करके और एक नियंत्रित रिप्ले मैकेनिज्म के माध्यम से सुधारों की प्रभावशीलता को सत्यापित करके, टूल का उपयोग करने वाले LLM एजेंट्स में विफलताओं को पुनरुत्पादित करने, हस्तक्षेप करने और उन्हें कम करने में सक्षम बनाता है।
यह शोधपत्र प्रकट करता है कि भौतिकी-संरचित डीप इक्विलिब्रियम मॉडल अक्सर "लेज़ी आइडेंटिटी कोलैप्स" (lazy identity collapse) से ग्रस्त होते हैं, जहाँ अंतर्निहित सॉल्वर इनपुट की कठिनाई के बावजूद अपने इनिशियलाइज़ेशन पर अभिसरित होकर वास्तव में कोई गणना नहीं करता है, जिससे जटिल आर्किटेक्चर सरल बेसलाइन की तुलना में अप्रभावी हो जाता है।