24509 पेपर
यह शोध पत्र TimelineReasoner को प्रस्तुत करता है, जो एक नवीन ढांचा है जो टाइमलाइन सारांशीकरण को निष्क्रिय पीढ़ी से वैश्विक संज्ञान और विस्तृत अन्वेषण की एक सक्रिय, दो-चरणीय प्रक्रिया में बदलने के लिए लार्ज रीजनिंग मॉडल्स का लाभ उठाता है, जो मौजूदा विधियों की तुलना में सटीकता, कवरेज और सामंजस्य में महत्वपूर्ण सुधार करता है।
यह शोध पत्र वेरीफिएबल प्रोसेस सुपरविजन (VPS) का प्रस्ताव करता है, जो एक पोस्ट-ट्रेनिंग फ्रेमवर्क है जो अनुकूलन योग्य, स्टेप-लेवल रिवार्ड्स के माध्यम से प्रेडिक्शन सटीकता और रीजनिंग गुणवत्ता को संयुक्त रूप से अनुकूलित करता है, यह प्रदर्शित करते हुए कि केवल सटीकता-आधारित सुदृढीकरण शिक्षण (reinforcement learning) के विपरीत, जो रीजनिंग की अखंडता को कम कर देता है, VPS भाषा मॉडलों को शतरंज जैसे सत्यापन योग्य डोमेन में उच्च सटीकता और सुसंगत, ठोस रीजनिंग दोनों प्राप्त करने में सक्षम बनाता है।
यह शोध पत्र ToolWeave को प्रस्तुत करता है, जो एक संरचित ढांचा है जो टूल निर्भरताओं (tool dependencies) और सूक्ष्म पैरामीटर प्रोवेनेंस ट्रैकिंग (fine-grained parameter provenance tracking) को लागू करके यथार्थवादी मल्टी-टर्न टूल-कॉलिंग संवादों को संश्लेषित करता है, जिसके परिणामस्वरूप मौजूदा डेटासेट्स की तुलना में फाइन-ट्यून किए गए LLMs के लिए काफी बेहतर मल्टी-स्टेप इंटरेक्शन गुणवत्ता और उत्कृष्ट बेंचमार्क प्रदर्शन प्राप्त होता है।
यह शोध पत्र MorphOPC को प्रस्तुत करता है, जो एक मल्टी-स्केल पदानुक्रमित (hierarchical) डीप लर्निंग मॉडल है जो मौजूदा एनकोडर-डिकोडर दृष्टिकोणों की ज्यामितीय रूपांतरण सीमाओं को दूर करने के लिए मास्क जनरेशन को न्यूरल मॉर्फोलॉजिकल ऑपरेशंस के एक अनुक्रम के रूप में तैयार करता है, जिससे ऑप्टिकल प्रॉक्सिमिटी करेक्शन में बेहतर प्रिंटिंग फिडेलिटी और कम निर्माण लागत प्राप्त होती है।
यह शोध पत्र तर्क देता है कि LLM निष्पक्षता का मूल्यांकन मानकीकृत-परीक्षण बेंचमार्क के बजाय इन-सिटू (in-situ) मल्टी-एजेंट संवादात्मक व्यवहार के माध्यम से किया जाना चाहिए, जो पारंपरिक प्रॉम्प्ट-आधारित परीक्षण की संरचनात्मक अविश्वसनीयता द्वारा छिपे हुए स्थिर, मॉडल-विशिष्ट व्यवहार संबंधी हस्ताक्षरों को प्रकट करने के लिए MAC-Fairness ढांचे को प्रस्तुत करता है।
यह शोध पत्र AGENTICAITA को प्रस्तुत करता है, जो एक प्रूफ़-ऑफ़-कॉन्सेप्ट फ्रेमवर्क है जो पारंपरिक एल्गोरिद्मिक ट्रेडिंग को एक प्रशिक्षण-मुक्त (training-free), मल्टी-एजेंट डेलिब्रेटिव सिस्टम से बदल देता है जहाँ विशिष्ट LLMs सख्त सुरक्षा बाधाओं के तहत स्वायत्त रूप से व्यापार करने के लिए तर्क करते हैं, बातचीत करते हैं और ट्रेड निष्पादित करते हैं, जिसने पांच दिवसीय लाइव मार्केट ड्राई-रन के दौरान परिचालन व्यवहार्यता को सफलतापूर्वक प्रदर्शित किया है।
यह शोध पत्र SSDA को प्रस्तुत करता है, जो एक दोहरी-शाखा (dual-branch) अनुकूलन ढांचा है जो रेंडर की गई समय श्रृंखला छवियों (time series images) और प्राकृतिक छवियों के बीच स्पेक्ट्रल और संरचनात्मक अंतराल को पाटता है, जिससे सटीक समय श्रृंखला पूर्वानुमान के लिए बड़े विजन मॉडल की पूर्ण क्षमता को अनलॉक किया जा सके।
यह शोध पत्र ChannelKAN का प्रस्ताव करता है, जो एक हाइब्रिड CNN-KAN आर्किटेक्चर है जिसमें मल्टी-स्केल ड्यूल-डोमेन एन्हांसमेंट है, जो स्थानीय स्थानिक-आवृत्ति सहसंबंधों (local spatial-frequency correlations) और दीर्घकालिक गैररेखीय टेम्पोरल निर्भरताओं (long-range nonlinear temporal dependencies) दोनों को प्रभावी ढंग से कैप्चर करके हाई-मोबिलिटी मैसिव MIMO-OFDM सिस्टम के लिए चैनल स्टेट इंफॉर्मेशन की भविष्यवाणी करने में मौजूदा डीप लर्निंग बेसलाइन्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र एक क्रॉस-विंडो नॉलेज डिस्टिलेशन फ्रेमवर्क प्रस्तावित करता है जो स्टूडेंट एनकोडर्स को सबसे अधिक सूचनात्मक सीटी (CT) विंडो पर प्रशिक्षित टीचर मॉडल से लेटेंट क्लिनिकल प्रायर्स (latent clinical priors) सीखने में सक्षम बनाता है, जो मौजूदा विधियों द्वारा छोड़े गए क्रॉस-डेंसिटी इंटरैक्शन को कैप्चर करके विविध पैथोलॉजिकल कोहॉर्ट्स में मल्टी-विंडो पल्मोनरी सीटी विश्लेषण के प्रदर्शन में महत्वपूर्ण सुधार करता है।
VideoSEAL एक डिकपल्ड प्लानर-इंस्पेक्टर फ्रेमवर्क पेश करके एजेंटिक लॉन्ग वीडियो अंडरस्टैंडिंग में "एविडेंस मिसअलाइनमेंट" की समस्या का समाधान करता है जो लॉन्ग-होरिज़न प्लानिंग को आंसर अथॉरिटी से अलग करता है, जिसके लिए यह सुनिश्चित करने हेतु पिक्सेल-लेवल वेरिफिकेशन की आवश्यकता होती है कि उत्तर प्राप्त साक्ष्यों द्वारा समर्थित हैं और यह कई बेंचमार्क पर स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त करता है।