25186 पेपर
यह शोधपत्र एक हाइब्रिड सिम्बोलिक रिग्रेशन और आंसर सेट प्रोग्रामिंग (SR/ASP) फ्रेमवर्क प्रस्तुत करता है जो डेटा-संचालित फॉर्मूला डिस्कवरी को डोमेन-विशिष्ट बाधाओं को पूरा करने के लिए डिक्लेरेटिव रीजनिंग के साथ जोड़कर 3D लैमिनार फ्लूइड फ्लो के लिए व्याख्या योग्य, भौतिक रूप से सुसंगत गणितीय नियमों को सफलतापूर्वक उजागर करता है।
यह अध्ययन एक एकीकृत तीन-चरणीय ढांचे का प्रस्ताव करता है जो स्वचालित मछली ताजगी मूल्यांकन में अत्याधुनिक सटीकता (85.99%) प्राप्त करने के लिए फाइन-ट्यून्ड डीप विजन आर्किटेक्चर, मल्टी-लेवल फीचर एक्सट्रैक्शन और उन्नत फीचर सिलेक्शन को संयोजित करता है, जो 'फ्रेशनेस ऑफ द फिश आइज़' डेटासेट पर मौजूदा तरीकों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र 'ऑटोनॉमस क्यूए एजेंट' (Autonomous QA Agent) को प्रस्तुत करता है, जो एक रिट्रीवल-ऑगमेंटेड जनरेशन (Retrieval-Augmented Generation) फ्रेमवर्क है जो कोड जनरेशन को प्रोजेक्ट-विशिष्ट दस्तावेज़ों और वास्तविक HTML संरचनाओं के आधार पर सुदृढ़ करके सेलेनियम (Selenium) स्क्रिप्ट की सटीकता में महत्वपूर्ण सुधार करता है, जिससे मानक एलएलएम (LLMs) के 30% की तुलना में 90% का निष्पादन सफलता दर प्राप्त होता है।
यह शोध पत्र STEP को प्रस्तुत करता है, जो एक उच्च गुणवत्ता वाले वॉर्म-स्टार्ट एक्शन को उत्पन्न करने के लिए एक हल्के स्थानिक-कालिक निरंतरता भविष्यवक्ता (spatiotemporal consistency predictor) का उपयोग करने और निष्पादन अवरोधों (execution stalls) को रोकने के लिए एक वेग-जागरूक विक्षोभ तंत्र (velocity-aware perturbation mechanism) को नियोजित करके वास्तविक समय के रोबोटिक नियंत्रण को बढ़ाता है, जिससे डिफ्यूजन पॉलिसियों की सफलता दर में उल्लेखनीय सुधार होता है और अनुमान विलंबता (inference latency) में भारी कमी आती है।
यह शोध पत्र कंट्रोल रिइन्फोर्समेंट लर्निंग (CRL) को प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो LLM आउटपुट को निर्देशित करने के लिए टोकन स्तर पर व्याख्या योग्य स्पार्स ऑटोएन्कोडर फीचर्स को गतिशील रूप से चुनने और उन्हें प्रवर्धित करने के लिए एक पॉलिसी को प्रशिक्षित करता है, जिससे विभिन्न बेंचमार्क में मॉडल व्यवहार के लिए प्रति-टोकन हस्तक्षेप प्रोटोकॉल और नए यांत्रिक अंतर्दृष्टि (mechanistic insights) प्राप्त होते हैं।
CrispEdit एक स्केलेबल सेकंड-ऑर्डर एडिटिंग एल्गोरिदम है जो संपादन को एक कन्सट्रेंड ऑप्टिमाइज़ेशन समस्या के रूप में स्वरूपित करके और ब्रेगमन डायवर्जेंस एवं क्रोनेकर-फैक्टर्ड एप्रोक्सिमेशन्स का उपयोग करके अपडेट्स को परफॉरमेंस लॉस लैंडस्केप के लो-कर्वेचर सबस्पेस पर प्रोजेक्ट करके LLMs की क्षमताओं को सुरक्षित रखता है, जिससे न्यूनतम परफॉरमेंस डिग्रेडेशन के साथ उच्च एडिटिंग सफलता दर प्राप्त होती है।
यह शोध पत्र VAUQ का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त (training-free), विज़न-अवेयर अनसर्टेन्टी क्वांटिफिकेशन फ्रेमवर्क है, जो इमेज-इंफॉर्मेशन स्कोर और अनसुपरवाइज्ड कोर-रीजन मास्किंगिंग का लाभ उठाकर लार्ज विज़न-लैंग्वेज मॉडल्स में मतिभ्रम (hallucinations) का विश्वसनीय रूप से पता लगाने के लिए उनके दृश्य साक्ष्यों पर निर्भरता को स्पष्ट रूप से मापता है।
यह योगदान अट्रैक्टर एफसीएम (Attractor FCM) प्रस्तुत करता है, जो एक नवीन, ग्रेडिएंट-डिसेन्ट-आधारित और भौतिक रूप से बाधित फजी कॉग्निटिव मैप है, जो अवशेष स्मृति (residual memory), बैकप्रोपैगेशन थ्रू टाइम और एक फिक्स्ड-पॉइंट एंकर का लाभ उठाता है ताकि एक नया लर्निंग एल्गोरिदम सक्षम किया जा सके जो कुशल, कॉज़ली मास्क की गई त्रुटि न्यूनीकरण के लिए न्यूटन विधि को एडेप्टिव ग्रेडिएंट डिसेन्ट के साथ जोड़ता है।
ओनटोपिक (Ontopic) एक नवीन जनरेटिव एआई एजेंट वर्कफ़्लो है जो सहयोगी तर्क (collaborative reasoning) के माध्यम से व्याख्या योग्य टॉपिक मॉडलिंग करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे अत्याधुनिक मॉडलों के समान उच्च सटीकता प्राप्त होती है और साथ ही पारदर्शी, पदानुक्रमित विषय संरचनाएं और प्राकृतिक भाषा व्याख्याएं भी प्रदान की जाती हैं।
यह शोध पत्र बड़े भाषा मॉडलों (large language models) में उभरते हुए मिसअलाइनमेंट (emergent misalignment) को फीचर सुपरपोजिशन (feature superposition) के एक ज्यामितीय परिणाम के रूप में स्पष्ट करता है, जहाँ संकीर्ण कार्यों पर फाइन-ट्यूनिंग करने से अनजाने में हानिकारक व्यवहार बढ़ जाते हैं क्योंकि रिप्रजेंटेशन स्पेस (representation space) में लक्षित और विषाक्त फीचर्स (target and toxic features) एक-दूसरे के निकट होते हैं, और यह प्रदर्शित करता है कि इस ज्यामिति के आधार पर प्रशिक्षण नमूनों को फ़िल्टर करना इस समस्या को प्रभावी ढंग से कम करता है।