24509 पेपर
यह शोध पत्र MARLaaS को प्रस्तुत करता है, जो एक मल्टी-टेनेंट एसिंक्रोनस सर्विस है जो हल्के LoRA एडेप्टर के साथ एक विसेग्रेटेड आर्किटेक्चर को जोड़कर कई उपयोगकर्ताओं के लिए कुशल, समवर्ती सुदृढीकरण शिक्षण (reinforcement learning) फाइन-ट्यूनिंग को सक्षम बनाता है, जिससे अत्याधुनिक प्रदर्शन बनाए रखते हुए एक्सेलेरेटर उपयोगिता और प्रशिक्षण समय में महत्वपूर्ण सुधार प्राप्त होता है।
यह शोध पत्र छह संज्ञानात्मक तंत्रों और एक सिंथेटिक अंशांकन पद्धति (synthetic calibration methodology) से युक्त एक जैविक रूप से आधारित मेमोरी आर्किटेक्चर प्रस्तुत करता है, जो बड़े पैमाने के इश्यू-ट्रैकिंग और पर्सनल-चैट बेंचमार्क में प्रतिधारण परिशुद्धता (retention precision) और भंडारण दक्षता में महत्वपूर्ण सुधार प्रदर्शित करता है।
यह शोध पत्र अनुक्रमिक मॉडलों (sequential models) में टेम्पोरल कंटीन्यूटी (temporal continuity) की अवधारणा को औपचारिक रूप देता है और अनुभवजन्य रूप से मान्य करता है, यह प्रदर्शित करते हुए कि S4 जैसे मॉडल बेहतर प्रदर्शन के लिए टास्क कंटीन्यूटी (task continuity) के अनुरूप स्थिर निरंतर व्यवहार प्रदर्शित करते हैं, जबकि Mamba (S6) जैसे मॉडल विस्क्रीटाइजेशन (discretization) के प्रति अधिक संवेदनशील होते हैं, जो अंततः यह दर्शाता है कि निरंतरता का लाभ उठाना अधिक कुशल और प्रभावी टेम्पोरल सबसैंपलिंग (temporal subsampling) रणनीतियों को सक्षम बनाता है।
यह शोध पत्र यह तर्क देता है कि एआई एजेंट बेंचमार्क में केवल अंतिम पास/फेल परिणामों पर निर्भर रहना शॉर्टकट को छिपाकर, वास्तविक दुनिया की उपयोगिता के पूर्वानुमान को सीमित करके और खतरनाक व्यवहारों को छिपाकर मूल्यांकन की विश्वसनीयता को कम करता है, और इसलिए अधिक वैध और सुरक्षित एजेंट मूल्यांकन सुनिश्चित करने के लिए एक थ्रेट टैक्सोनॉमी (खतरे के वर्गीकरण) और मार्गदर्शक सिद्धांतों के साथ एक व्यवस्थित लॉग विश्लेषण ढांचे का प्रस्ताव करता है।
यह शोध पत्र रॉबर्ट केगन के सिद्धांत के आधार पर विकासात्मक संज्ञानात्मक चरणों का पता लगाने की एलएलएम (LLM) की क्षमता का मूल्यांकन करने के लिए विकासात्मक वाक्य पूर्णता परीक्षण (DSCT) प्रस्तुत करता है, जिसमें यह पाया गया है कि हालांकि मॉडल सिम्युलेटेड व्यक्तित्वों में इच्छित चरणों की सटीक पहचान कर सकते हैं और अपने स्वयं के आउटपुट में सुसंगत विकासात्मक पैटर्न दिखाते हैं, वास्तविक मानव प्रतिक्रियाओं के साथ उनकी सहमति मध्यम बनी रहती है, जो यह रेखांकित करती है कि चरण-जागरूक एआई (AI) के लिए प्राथमिक चुनौती केवल क्लासिफायर की सटीकता के बजाय प्रेरित पाठ के भीतर विकासात्मक संकेत की उपलब्धता है।
यह शोध पत्र VeriContest को प्रस्तुत करता है, जो Rust और Verus के साथ 946 प्रतिस्पर्धी प्रोग्रामिंग समस्याओं का एक व्यापक बेंचमार्क है जो प्राकृतिक भाषा विवरणों को विशेषज्ञ-सत्यापित औपचारिक विशिष्टताओं और मशीन-जांच योग्य प्रमाणों के साथ जोड़ता है, जो वर्तमान मॉडलों की कोडिंग क्षमताओं और उनकी सत्यापन योग्य कोड जनरेशन की क्षमता के बीच एक महत्वपूर्ण प्रदर्शन अंतराल को प्रकट करता है।
यह शोध पत्र MC-RFM का प्रस्ताव करता है, जो एक पैरामीटर-कुशल फ्यू-शॉट एडेप्टेशन फ्रेमवर्क है जो पदानुक्रमित अर्थविज्ञान (hierarchical semantics) और स्थानीय दृश्य विविधताओं (local visual variations) दोनों को बेहतर ढंग से कैप्चर करने के लिए एक मिश्रित-वक्रता रीमानियन मैनिफोल्ड (mixed-curvature Riemannian manifold) पर फीचर अपडेट को मॉडल करता है, जिससे विविध विजन बेंचमार्क और बैकबोन पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र ZAYA1-VL-8B को प्रस्तुत करता है, जो एक कॉम्पैक्ट 9.2B-पैरामीटर वाला मिक्सचर-ऑफ-एक्सपर्ट्स विजन-लैंग्वेज मॉडल है जो विभिन्न विजुअल अंडरस्टैंडिंग बेंचमार्क में बड़े स्टेट-ऑफ-द-आर्ट मॉडल्स के प्रतिस्पर्धी या उनसे बेहतर प्रदर्शन प्राप्त करने के लिए विजन-विशिष्ट LoRA एडेप्टर और बायडायरेक्शनल अटेंशन का लाभ उठाता है।
यह शोध पत्र कॉन्टेक्स्ट-कंटेमिनेटेड रिस्टार्ट मॉडल (CCRM) को पेश करता है जो औपचारिक रूप से यह मात्रा निर्धारित करता है कि कैसे विफल LLM एजेंट प्रयास त्रुटि दरों को बढ़ाकर बाद के प्रयासों को दूषित करते हैं, जिससे सफलता की संभावनाओं और इष्टतम पाइपलाइन गहराई के सैद्धांतिक बंधों को प्राप्त किया जाता है जिन्हें वास्तविक दुनिया के SWE-bench डेटा के विरुद्ध अनुभवजन्य रूप से मान्य किया गया है।
यह शोध पत्र प्रकट करता है कि मौजूदा प्री-ट्रेन्ड मिक्स्चर-ऑफ-एक्सपर्ट्स (MoE) मॉडल्स स्वाभाविक रूप से पर्याप्त इंट्रा-एक्सपर्ट एक्टिवेशन स्पैरसिटीिटी (intra-expert activation sparsity) रखते हैं, जिसका लाभ vLLM एक्जीक्यूशन पाइपलाइन में संशोधन करके निष्क्रिय न्यूरॉन गणनाओं को स्किप करने के लिए उठाया जा सकता है, जिससे बिना किसी मॉडल रिट्रेनिंग या पैरामीटर संशोधन के MoE लेयर एक्जीक्यूशन में 2.5x तक की स्पीडअप और एंड-टू-एंड स्पीडअप में 1.2x की वृद्धि प्राप्त होती है।