24608 पेपर
Flame3D एक प्रशिक्षण-मुक्त (training-free) फ्रेमवर्क है जो दृश्यों को संपादन योग्य दृश्य-पाठ्य स्मृतियों (visual-textual memories) के रूप में प्रदर्शित करके और ऑफ-द-शेल्फ MLLMs को ओपन-एंडेड इन्फरेंस के लिए कस्टम स्थानिक उपकरणों (spatial tools) को गतिशील रूप से संश्लेषित करने हेतु सशक्त बनाकर ज़ीरो-शॉट कंपोजिशनल 3D सीन रीजनिंग को सक्षम बनाता है।
यह शोध पत्र विभिन्न निष्पक्षता असंभवता परिणामों (fairness impossibility results) को एक साझा RKHS ज्यामिति के अंतर्गत एकीकृत करता है, यह प्रदर्शित करते हुए कि असमान आधार दरें (unequal base rates) रैखिक निष्पक्षता बाधाओं को अति-निर्धारित (overdetermined) बना देती हैं, जो क्लेनबर्ग-मुलनेथन-राघवन द्वंद्व (Kleinberg–Mullainathan–Ragvan dichotomy), MMD द्वारा मापे गए अवशिष्ट उल्लंघनों के संबंध में एक "पोकेमॉन प्रमेय" (Pokémon theorem), और निष्पक्ष फीचर लर्निंग की मौलिक सीमाओं पर नए अंतर्दृष्टि की ओर ले जाती है।
यह शोध पत्र Krone-viz प्रस्तुत करता है, जो एक संवादात्मक विज़ुअलाइज़ेशन सिस्टम है जो चयनात्मक LLM संवर्धन (augmentation) और मानव-इन-द-लूप परिशोधन के माध्यम से सटीक विसंगति का पता लगाने, स्थानीयकरण करने और स्पष्टीकरण करने में सक्षम बनाने के लिए एक नवीन पदानुक्रमित लॉग एब्स्ट्रैक्शन और मॉड्यूलर ऑर्केस्ट्रेशन फ्रेमवर्क का लाभ उठाता है।
ProactBench संवादात्मक सक्रियता (conversational proactivity)—LLMs द्वारा निहित उपयोगकर्ता आवश्यकताओं को पहचानने और उन पर कार्य करने की क्षमता—का मूल्यांकन करने के लिए एक नया बेंचमार्क पेश करता है, जो इसे इमर्जेंट (Emergent), क्रिटिकल (Critical) और रिकवरी (Recovery) चरणों में विभाजित करता है और यह प्रदर्शित करता है कि रिकवरी प्रदर्शन एक विशिष्ट, कठिन मूल्यांकन संकेत है जिसे मौजूदा बेंचमार्क द्वारा नहीं पकड़ा जा सकता है।
यह शोध पत्र एक एकीकृत इन-कॉन्टेक्स्ट दृष्टिकोण, विखंडित संपादन अनुक्रमों (decomposed editing sequences) को प्रशिक्षित करने के लिए एक बड़े पैमाने के सिंथेटिक डेटासेट और जटिल, बहु-चरणीय निर्देशों पर उच्च-सटीकता वाले परिणाम प्राप्त करने के लिए एक सिम-टू-रियल सामान्यीकरण रणनीति का लाभ उठाकर, सिंगल-टर्न और त्रुटिपूर्ण अनुक्रमिक प्रतिमानों की सीमाओं को दूर करने वाले जटिल छवि संपादन के लिए एक सुदृढ़ ढांचे का प्रस्ताव करता है।
यह शोध पत्र Sub-JEPA का प्रस्ताव करता है, जो विश्व मॉडलिंग (world modeling) के लिए जॉइंट-एम्बेडिंग प्रेडिक्टिव आर्किटेक्चर (JEPAs) की स्थिरता और लचीलेपन में सुधार करने हेतु पूर्ण एम्बिएंट स्पेस के बजाय कई रैंडम सबस्पेस में गॉसियन रेगुलराइजेशन लागू करता है, जिससे एक बेहतर बायस-वेरिएंस ट्रेडऑफ़ प्राप्त होता है और यह स्टेट-ऑफ-द-आर्ट LeWorldModel से बेहतर प्रदर्शन करता है।
यह शोध पत्र मशीन लर्निंग मॉडलों को बेहतर बनाने में मस्तिष्क डेटा के मूल्य को परिमाणित करने के लिए स्केलिंग लॉ (scaling laws) और विनिमय दरों (exchange rates) को गणितीय रूप से स्थापित करता है, जो कार्य-मस्तिष्क संरेखण (task-brain alignment), शोर (noise) और नमूना आकार (sample sizes) के संबंध में विशिष्ट स्थितियों की पहचान करता है जहाँ प्रदर्शन और मजबूती के लिए तंत्रिका रिकॉर्डिंग (neural recordings) एकत्र करना फायदेमंद होता है।
यह शोध पत्र "रॉक टोकन्स" (Rock Tokens) को ऑन-पॉलिसी डिस्टिलेशन (On-Policy Distillation) में उच्च-हानि वाले टोकन के एक निरंतर उपसमूह के रूप में पहचानता है जो तर्क क्षमता (reasoning performance) में नगण्य योगदान देने के बावजूद महत्वपूर्ण अनुकूलन संसाधनों का उपभोग करते हैं, जिससे यह सिद्ध होता है कि उन्हें रणनीतिक रूप से दरकिनार करने से मॉडल संरेखण (model alignment) की प्रक्रिया को सुव्यवस्थित किया जा सकता है।
यह शोध पत्र एक नवीन प्रशिक्षण ढांचे को प्रस्तुत करता है जो मॉडलों की प्रतिकतियों (रेप्लिकस) को पुनरुत्पादित करके और संरचित क्रमपरिवर्तन (स्ट्रक्चर्ड परम्यूटेशन) के माध्यम से प्रतियों के बीच स्थानीय शिक्षण संदेशों को रूट करके मशीन लर्निंग मॉडलों में सामान्यीकरण (जनरलाइजेशन) को बढ़ाता है, जिससे प्रतिकतियों को ध्वस्त किए बिना या मापदंडों को सीधे युग्मित किए बिना संरचित संदेश साझाकरण सुलभ होता है।
यह शोध पत्र SeePhys Pro प्रस्तुत करता है, जो यह उजागर करता है कि वर्तमान मल्टीमॉडल मॉडल टेक्स्ट से इमेज में मोडैलिटी ट्रांसफर करने में संघर्ष करते हैं, और यह प्रदर्शित करता है कि मल्टीमॉडल RLVR प्रशिक्षण से होने वाले स्पष्ट लाभ अक्सर वास्तविक विजुअल रीजनिंग के बजाय अवशिष्ट टेक्स्ट संकेतों (residual textual cues) से उत्पन्न होते हैं।