24888 पेपर
बाइट लेटेंट ट्रांसफॉर्मर (BLT), BLT-Diffusion, BLT-Self-speculation और BLT-Diffusion+Verification जैसे तीन नवीन वेरिएंट्स को पेश करके बाइट-लेवल लैंग्वेज मॉडल्स की धीमी जनरेशन बाधा को संबोधित करता है, जो उच्च गुणवत्ता बनाए रखते हुए इन्फरेंस लेटेंसी और मेमोरी-बैंडविड्थ लागत को महत्वपूर्ण रूप से कम करने के लिए समानांतर जनरेशन और स्पेक्युलेटिव डिकोडिंग तकनीकों का लाभ उठाते हैं।
CA-SQL एक नवीन Text-to-SQL फ्रेमवर्क है जो कार्य की जटिलता के आधार पर अन्वेषण की व्यापकता को गतिशील रूप से स्केल करके, विकासवादी प्रॉम्प्ट सीडिंग (evolutionary prompt seeding) का उपयोग करके, और केवल GPT-4o-mini का उपयोग करके BIRD डेटासेट पर अत्याधुनिक प्रदर्शन प्राप्त करने के लिए एक वोटिंग तंत्र का उपयोग करके चुनौतीपूर्ण बेंचमार्क पर तर्क क्षमता को बढ़ाता है।
यह शोध पत्र यह प्रकट करता है कि LLM एजेंटों में कॉन्टेक्स्ट विंडो का विस्तार अक्सर एक "मेमोरी कर्स" (स्मृति अभिशाप) को सक्रिय करता है जो नकारात्मक तर्क पैटर्न को बढ़ाकर मल्टी-एजेंट सामाजिक दुविधाओं में सहकारी इरादे को व्यवस्थित रूप से नष्ट कर देता है, एक ऐसी घटना जिसे भविष्योन्मुखी ट्रेस (forward-looking traces) पर लक्षित फाइन-ट्यूनिंग या मेमोरी सैनिटाइजेशन के माध्यम से कम किया जा सकता है।
यह शोध पत्र VecCISC को प्रस्तुत करता है, जो एक हल्का ढांचा (framework) है जो मूल्यांकन से पहले अनावश्यक या भ्रामक रीजनिंग ट्रेसेस (reasoning traces) को फ़िल्टर करने के लिए सिमेंटिक समानता (semantic similarity) का उपयोग करके कॉन्फिडेंस-इन्फॉर्म्ड सेल्फ-कंसिस्टेंसी (Confidence-Informed Self-Consistency) की गणना लागत को कम करता है, जिससे विविध रीजनिंग बेंचमार्क पर सटीकता बनाए रखते हुए या उसमें सुधार करते हुए 47% तक टोकन की बचत हासिल होती है।
यह शोध पत्र एक नवीन मल्टी-मोडैलिटी नॉलेज डिस्टिलेशन फ्रेमवर्क प्रस्तावित करता है जो छात्र (student) नेटवर्क को शिक्षक (teacher) के मोडैलिटी-लेवल ग्राम मैट्रिक्स (Gram Matrix) को सीखने के लिए मजबूर करके शिक्षक और छात्र नेटवर्कों के बीच के अंतर को पाटता है, जिससे केवल अंतिम आउटपुट के बजाय आवश्यक इंटर-मोडैलिटी रिलेशनशिप जानकारी को कैप्चर किया जा सके।
यह शोधपत्र ANGOFA को प्रस्तुत करता है, जो अंगोलन भाषाओं के लिए चार प्री-ट्रेंड लैंग्वेज मॉडल्स का एक समूह है, जो मौजूदा स्टेट-ऑफ-द-आर्ट मॉडल्स से काफी बेहतर प्रदर्शन करने के लिए मल्टीलिंगुअल एडेप्टिव फाइन-ट्यूनिंग फ्रेमवर्क के भीतर इन्फॉर्म्ड एम्बेडिंग इनिशियलाइजेशन और सिंथेटिक डेटा का लाभ उठाता है।
यह शोध पत्र "AI-Control Games" प्रस्तुत करता है, जो एक औपचारिक बहु-उद्देश्यीय आंशिक रूप से अवलोकन योग्य स्टोकेस्टिक गेम फ्रेमवर्क है, जो अविश्वसनीय AI प्रणालियों को तैनात करने के लिए इष्टतम सुरक्षा प्रोटोकॉल का गणितीय मूल्यांकन और संश्लेषण करने हेतु रेड-टीमिंग अभ्यासों को मॉडल करता है, और प्रोग्रामिंग सहायता जैसे परिदृश्यों में अनुभवजन्य विधियों की तुलना में बेहतर प्रभावकारिता प्रदर्शित करता है।
यह शोधपत्र समानता के साथ प्रथम- और द्वितीय-क्रम की निर्भरताओं के लिए पहली लक्ष्य-संचालित क्वेरी उत्तर देने वाली तकनीक प्रस्तुत करता है, जो अप्रासंगिक निष्कर्षों से बचने के लिए एक संशोधित सिंगुलराइजेशन वेरिएंट, एक प्रासंगिकता विश्लेषण और एक मैजिक सेट्स अनुकूलन को जोड़कर क्वेरी प्रोसेसिंग को महत्वपूर्ण रूप से तेज करता है।
यह योगदान एक समाजभाषाई मॉडलिंग दृष्टिकोण प्रस्तुत करता है जो सामुदायिक सत्यापन के आधार पर उपयोगकर्ता प्रभाव की भविष्यवाणी करने के लिए जनसांख्यिकीय और व्यक्तित्व डेटा का लाभ उठाता है, जिससे आठ विशिष्ट डोमेन में महत्वपूर्ण प्रदर्शन सुधार प्रदर्शित होता है।
यह योगदान एक क्वांटम इको स्टेट नेटवर्क (QESN) के एक नवीन डिज़ाइन को प्रस्तुत करता है जो शोर वाले IBM क्वांटम हार्डवेयर पर एक अराजक लोरेन्ज़ सिस्टम (Lorenz system) से दीर्घ समय श्रृंखलाओं की सफलतापूर्वक भविष्यवाणी करता है, जिससे निरंतर स्मृति क्षमताओं का प्रदर्शन होता है जो QPU के औसत सुसंगतता समय (coherence times) से 100 गुना से भी अधिक है।