24593 पेपर
EvoMAS एक नवीन ढांचा है जो मेटा-स्तर की क्रमिक निर्णय प्रक्रिया के माध्यम से निष्पादन-समय वर्कफ्लो (execution-time workflows) को गतिशील रूप से निर्मित और अनुकूलित करना सीखकर स्थिर, वन-शॉट मल्टी-एजेंट डिज़ाइनों की सीमाओं को संबोधित करता है, जिससे जटिल, दीर्घ-अवधि वाले कार्यों पर प्रदर्शन में उल्लेखनीय सुधार होता है।
यह शोध पत्र TRACE का प्रस्ताव करता है, जो सुधारात्मक ट्रैजेक्टरी-स्तरीय पर्यवेक्षण की सीमाओं को दूर करने के लिए एक टर्न-अवेयर क्रेडिट असाइनमेंट फ्रेमवर्क है, जो टर्न-स्तरीय योगदान का अनुमान लगाकर और लक्षित दंड (targeted penalties) निर्धारित करके, हमले की सफलता दर में उल्लेखनीय सुधार करता है और अधिक प्रभावी मल्टी-टर्न डिफेंस अलाइनमेंट को सक्षम बनाता है।
यह शोध पत्र एक RISC-V कोर में एकीकृत एक रनटाइम पुनर्गठनीय (reconfigurable) मल्टीप्लायर आर्किटेक्चर प्रस्तुत करता है जो न्यूरल नेटवर्क इन्फरेंस के लिए सूक्ष्म-स्तरीय ऊर्जा-सटीकता ट्रेड-ऑफ को सक्षम बनाता है, जिससे उच्च कम्प्यूटेशनल प्रदर्शन बनाए रखते हुए सटीक और अनुमानित (approximate) दोनों मोड में महत्वपूर्ण शक्ति और ऊर्जा की कमी प्राप्त होती है।
यह शोधपत्र cuRegOT को प्रस्तुत करता है, जो एंट्रोपिक-रेगुलराइज्ड ऑप्टिमल ट्रांसपोर्ट के लिए एक उच्च-प्रदर्शन वाला GPU-त्वरित सॉल्वर है, जो नवीन एल्गोरिद्मिक और आर्किटेक्चरल अनुकूलनों के माध्यम से मौजूदा विधियों की सीमाओं को दूर करता है, और विविध बेंचमार्क में महत्वपूर्ण गति वृद्धि तथा कठोर अभिसरण गारंटी प्राप्त करता है।
यह शोध पत्र एक "ब्रिज मैचिंग" (Bridge Matching) ढांचे को प्रस्तुत करता है जो स्टोकेस्टिक जनरेटिव प्रक्रियाओं के डिटरमिनिस्टिक वेलोसिटी फील्ड को विशिष्ट ट्रांसपोर्ट और ऑस्मोटिक घटकों में विघटित करता है, जिससे डिफ्यूजन-प्रेरित योगदान को स्वतंत्र रूप से समायोजित करके व्याख्यात्मक और नियंत्रणीय सैंपलिंग सक्षम होती है।
यह शोध पत्र PPU-Bench प्रस्तुत करता है, जो तीन चुनौतीपूर्ण सेटिंग्स में 24K नमूनों के माध्यम से मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स (Multimodal Large Language Models) में पर्सनलाइज्ड पार्शियल अनलर्निंग (personalized partial unlearning) का मूल्यांकन करने के लिए एक वास्तविक दुनिया का बेंचमार्क है, जो मौजूदा विधियों की महत्वपूर्ण सीमाओं को उजागर करता है और इंट्रा-सब्जेक्ट तथ्यात्मक सीमाओं (intra-subject factual boundaries) को प्रभावी ढंग से लागू करने के लिए बाउंड्री-अवेयर ऑप्टिमाइजेशन (Boundary-Aware Optimization - BAO) के प्रस्ताव को प्रेरित करता है।
यह शोध पत्र कर्वेचर-अवेयर कैप्शनिंग (Curvature-Aware Captioning) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो स्पार्स 3D पॉइंट क्लाउड कैप्शनिंग में स्थानीय ज्यामितीय सटीकता और वैश्विक अर्थ संबंधी पदानुक्रम के बीच संघर्ष को हल करने के लिए ओब्लिक (Oblique) और लोरेन्त्ज़ (Lorentz) स्पेस के भीतर गैर-यूक्लिडियन जियोडेसिक अटेंशन तंत्र का लाभ उठाता है, जिससे ScanRefer और Nr3D बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र SimReg का प्रस्ताव करता है, जो बड़े भाषा मॉडल (large language model) के प्रीट्रेनिंग के लिए एक एम्बेडिंग समानता नियमितीकरण (embedding similarity regularization) विधि है, जो अभिसरण (convergence) को 30% से अधिक तेजी से करने और डाउनस्ट्रीम ज़ीरो-शॉट प्रदर्शन को 1% से अधिक सुधारने के लिए इंट्रा-क्लास वेरिएंस (intra-class variance) और इंटर-क्लास समानता (inter-class similarity) को कम करता है।
यह शोध पत्र कंप्रेस्ड वीडियो एग्रीगेटर (CVA) को प्रस्तुत करता है, जो एक हल्का माइक्रो-वीडियो अनुशंसा मॉड्यूल है जो फ्रोजन VFM एम्बेडिंग्स को एकत्रित करके और शीर्षक-निर्देशित की-फ्रेम चयन का उपयोग करके वीडियो सूचना को प्राथमिकता शिक्षण से अलग करता है ताकि प्रशिक्षण समय और मेमोरी में महत्वपूर्ण कमी लाते हुए अनुशंसा प्रदर्शन में सुधार किया जा सके।
यह शोध पत्र इंफॉर्मेशन-मैक्सिमाइजिंग ऑगमेंटेड एक्सप्लोरेशन (IMAX) फ्रेमवर्क का प्रस्ताव करता है, जो मॉडल प्रायर्स (priors) को नया आकार देने के लिए सॉफ्ट प्रीफिक्स को प्रशिक्षित करके और एक इन्फोमैक्स रिवॉर्ड का उपयोग करके, वेरिफिएबल रिवार्ड्स के साथ रिइन्फोर्समेंट लर्निंग (RLVR) में एंट्रॉपी कोलैप्स की समस्या को संबोधित करता है, जिससे विभिन्न लार्ज लैंग्वेज मॉडल स्केल्स में रीजनिंग प्रदर्शन और ट्रेजेक्टरी विविधता में महत्वपूर्ण सुधार होता है।