25254 पेपर
यह शोध पत्र मानव-एआई निर्णय लेने वाले संबंधों के एक पांच-चरणीय स्पेक्ट्रम (शुद्ध मानव से शुद्ध एआई तक) वाले एक वैचारिक ढांचे का प्रस्ताव करता है—ताकि नेताओं को बदलते विन्यासों की पहचान करने, गलत पहचान के जोखिमों से बचने और तेजी से विषम होती टीमों के भीतर सह-अनुकूलनशीलता को बढ़ावा देने में मदद मिल सके।
यह शोध पत्र नैदानिक मनोविज्ञान से 'रिलायबल चेंज इंडेक्स' (Reliable Change Index) को अनुकूलित करता है ताकि यह प्रकट किया जा सके कि समग्र एलएलएम (LLM) सटीकता में होने वाली वृद्धि अक्सर महत्वपूर्ण, द्वि-दिशीय आइटम-स्तरीय प्रदर्शन परिवर्तनों और कठिनाई स्तरों के बीच विषम चर्न (churn) को छिपा लेती है, और यह तर्क देता है कि मॉडल के विकास का अधिक विश्वसनीय मूल्यांकन प्रदान करने के लिए समग्र स्कोर के साथ चर्न दरों की रिपोर्ट करना आवश्यक है।
यह शोध पत्र ABC प्रस्तुत करता है, जो एक नवीन ढांचा है जो वीडियो जनरेशन और मौसम पूर्वानुमान जैसे कार्यों में मौजूदा डिफ्यूजन मॉडलों की संरचनात्मक और गतिशील सीमाओं को दूर करने के लिए, गैर-मार्कोवियन डिफ्यूजन ब्रिजेस और निरंतर-समय SDEs का लाभ उठाते हुए, अवलोकनों के मनमाने उपसमुच्चयों पर आधारित स्टोकेस्टिक प्रक्रियाओं को उत्पन्न करता है।
यह शोध पत्र RAY-TOLD का प्रस्ताव करता है, जो एक हाइब्रिड कंट्रोल फ्रेमवर्क है जो घने, गतिशील जनसमूहों में स्वायत्त रोबोट नेविगेशन को बढ़ाने के लिए LiDAR-आधारित लेटेंट डायनेमिक्स और एक पॉलिसी मिक्सचर रणनीति को MPPI में एकीकृत करता है, ताकि टकराव की दरों को कम करने और लोकल मिनिमा से बचने के लिए लघु-क्षितिज भौतिक सुदृढ़ता को दीर्घ-क्षितिज सीखे गए दूरदर्शिता के साथ जोड़ा जा सके।
यह शोध पत्र IMPRESS का प्रस्ताव करता है, जो एक नवीन ग्राफ फ्यू-शॉट लर्निंग फ्रेमवर्क है जो पदानुक्रमित संरचनाओं (hierarchical structures) को कैप्चर करने के लिए हाइपरबोलिक स्पेस और सपोर्ट डिस्ट्रीब्यूशंस को समृद्ध करने के लिए डीनॉइजिंग डिफ्यूजन का लाभ उठाता है, जिससे बेहतर सामान्यीकरण बाउंड्स (generalization bounds) और बेंचमार्क डेटासेट्स पर उत्कृष्ट प्रदर्शन प्राप्त होता है।
PRTS एक विजन-लैंग्वेज-एक्शन फाउंडेशन मॉडल है जो प्रीट्रेनिंग को कंट्रास्टिव रिप्रेजेंटेशन का उपयोग करके गोल-कंडीशन्ड रिइन्फोर्समेंट लर्निंग के रूप में पुनर्गठित करता है ताकि ऑफलाइन ट्राजेक्टरीज से इंट्रिन्सिक गोल-रीचेबिलिटी अवेयरनेस सीखी जा सके, जिससे पारंपरिक बिहेवियर क्लोनिंग की तुलना में लॉन्ग-होरिजन, कॉन्टैक्ट-रिच और जीरो-शॉट कार्यों पर रोबोटिक प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एक कारण-प्रेरित (causally motivated) इन्फरेंस-टाइम हस्तक्षेप का प्रस्ताव करता है जो रिवॉर्ड मॉडल्स में पूर्वाध-सहसंबंधित न्यूरॉन सक्रियणों को दबाकर प्रतिक्रिया की लंबाई जैसे अप्रासंगिक लक्षणों के प्रति संवेदनशीलता को कम करता है, जिससे छोटे मॉडल्स बिना किसी समझौते के अत्याधुनिक 70B मॉडल्स के तुलनीय अलाइनमेंट प्रदर्शन प्राप्त करने में सक्षम होते हैं।
यह शोध पत्र यह प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल्स में इन-कॉन्टेक्स्ट उदाहरण जोड़ने से उनकी अंतर्निहित वैज्ञानिक ज्ञान को याद करने और लागू करने की क्षमता दब सकती है, जिससे वे अनुभवजन्य पैटर्न फिटिंग (empirical pattern fitting) पर निर्भर हो जाते हैं, भले ही उदाहरण सही अंतर्निहित सूत्रों द्वारा ही निर्मित किए गए हों।
यह शोध पत्र इस बात की जांच करता है कि कैसे मल्टी-एजेंट वर्कफ़्लो में अनिश्चितता-प्रेरित सूचना संदूषण (information contamination) विविध निष्पादन प्रक्षेपवक्रों (execution trajectories) और आउटपुट विफलताओं की ओर ले जाता है, और विषम आर्टिफैक्ट रीजनिंग कार्यों में इन जोखिमों का बेहतर पता लगाने, उन्हें स्थानीयकृत करने और कम करने के लिए एक ट्रेस-आधारित मापन ढांचे और एक औपचारिक वर्गीकरण का प्रस्ताव करता है।
यह शोध पत्र ZAYAN को प्रस्तुत करता है, जो एक स्व-पर्यवेक्षित (self-supervised), विशेषता-केंद्रित कंट्रास्टिव फ्रेमवर्क है जो टैबुलर रिमोट सेंसिंग डेटा से सुदृढ़, विसंयोजित (disentangled) प्रतिनिधित्व सीखने के लिए ज़ीरो-एंकर ऑब्जेक्टिव और ट्रांसफॉर्मर आर्किटेक्चर का उपयोग करता है, और मौजूदा बेसलाइन की तुलना में लेबल की कमी और वितरण बदलावों के तहत बेहतर सटीकता और सामान्यीकरण प्राप्त करता है।