25254 पेपर
यह शोध पत्र एक नवीन हाइब्रिड डिफ्यूजन फ्रेमवर्क प्रस्तावित करके लॉन्ग-होराइज़न रोबोटिक कार्यों में मानक डिफ्यूजन मॉडल्स की सीमाओं को संबोधित करता है, जो उच्च-स्तरीय प्रतीकात्मक योजनाओं (सिंबोलिक प्लान्स) और निरंतर प्रक्षेप पथों (कंटीन्यूअस ट्राजेक्टरीज) को एक साथ उत्पन्न करता है, जिससे निर्णय लेने की क्षमता में सुधार होता है और लचीले, स्थिति-आधारित क्रिया संश्लेषण को सक्षम बनाया जाता है।
PATCH एक हाइब्रिड स्पर्सिटी फ्रेमवर्क है जो LLM वेट मैट्रिसेस को सीखने योग्य डेंस या 2:4 स्पार्स मैपिंग वाले टाइल्स में विभाजित करता है ताकि 0% और 50% के बीच निरंतर स्पर्सिटी रेश्यो सक्षम किया जा सके, जिससे मौजूदा अनस्ट्रक्चर्ड या रिजिड सेमी-स्ट्रक्चर्ड प्रूनिंग विधियों की तुलना में बेहतर सटीकता और व्यावहारिक GPU स्पीडअप प्राप्त किया जा सके।
यह योगदान SAT ग्राफ API को प्रस्तुत करता है, जो एक मानक प्रिमिटिव इंटरफ़ेस है जो LLM अनिश्चितता को इरादे के अनुवाद और नैरेटिव संश्लेषण तक सीमित करके सत्यापन योग्य, नियत कानूनी तर्क को सक्षम बनाता है, जबकि सभी संरचनात्मक, लौकिक और कारण संबंधी ग्राफ ट्रैवर्सल विश्वसनीय प्रतीकात्मक संचालन के माध्यम से निष्पादित किए जाते हैं।
यह योगदान LUME-DBN को पेश करता है, जो एक नवीन पूर्ण बेयस गिब्स सैंपलिंग विधि है जो अधूरे गहन देखभाल इकाई (ICU) डेटा से डायनेमिक बेयस नेटवर्क की लर्निंग में सुधार करने के लिए लुप्त मानों को अज्ञात मापदंडों के रूप में मानती है, जिससे MICE जैसी मानक प्रक्रियाओं की तुलना में बेहतर पुनर्निर्माण सटीकता और अनिश्चितता परिमाणीकरण प्रदान किया जा सके।
यह शोध पत्र दीर्घ-दस्तावेज़ सारांशीकरण (long-document summarization) पर छह संदर्भ-मुक्त तथ्यात्मक निरंतरता मेट्रिक्स का व्यवस्थित रूप से मूल्यांकन करता है, जो तथ्य-संरक्षण संबंधी परिवर्तनों (factuality-preserving perturbations) की एक श्रृंखला के माध्यम से लंबी दूरी की निर्भरताओं और सूचना-सघन दावों को संभालने में उनकी महत्वपूर्ण सीमाओं को प्रकट करता है, और साथ ही भविष्य के सुधारों के लिए विशिष्ट दिशाएँ प्रस्तावित करता है।
इन्फ़ेरिक्स (Inferix) एक अगली पीढ़ी का इन्फरेंस इंजन है जिसे एक सेमी-ऑटोरिग्रेसिव ब्लॉक-डिफ्यूजन प्रतिमान (paradigm) का लाभ उठाकर इमर्सिव वर्ल्ड सिमुलेशन को सक्षम करने के लिए डिज़ाइन किया गया है, जो कुशल, उच्च-गुणवत्ता और इंटरैक्टिव लॉन्ग-फॉर्म वीडियो जनरेशन के लिए एलएलएम-शैली (LLM-style) के केवी कैशिंग (KV caching) को एकीकृत करता है, जो मौजूदा हाई-कन्करेंसी सिस्टम और क्लासिक डिफ्यूजन मॉडल्स से खुद को अलग करता है।
यह शोध पत्र DIQ-H बेंचमार्क प्रस्तुत करता है, जो त्रुटि प्रसार (error propagation) और मूल्य विसंगति (value misalignment) का आकलन करने के लिए निरंतर प्रतिकूल दृश्य स्थितियों के तहत विजन-लैंग्वेज मॉडल्स का मूल्यांकन करने वाला पहला बेंचमार्क है, साथ ही वैल्यू-गाइडेड इटरेटिव रिफाइनमेंट (VIR) फ्रेमवर्क भी प्रस्तुत करता है जो सुरक्षा-महत्वपूर्ण अनुप्रयोगों के लिए एनोटेशन सटीकता में उल्लेखनीय सुधार करने हेतु नैतिक रूप से संरेखित ग्राउंड ट्रुथ जनरेशन को स्वचालित करता है।
यह शोधपत्र Consist-Retinex का प्रस्ताव करता है, जो एक वन-स्टेप जनरेटिव फ्रेमवर्क है जो छवियों को रिफ्लेक्टेंस और इल्यूमिनेशन घटकों में विभाजित करके और एक नवीन द्वैत उद्देश्य (dual objective) एवं शोर-समृद्ध नमूनाकरण रणनीति (noise-emphasized sampling strategy) के साथ कंडीशनल कंसिस्टेंसी मॉडल्स को प्रशिक्षित करके उच्च-गुणवत्ता वाले रेटिनेक्स-आधारित लो-लाइट इमेज एन्हांसमेंट को त्वरित करता है ताकि सख्त लेटेंसी बाधाओं के तहत स्थिर, उच्च-प्रदर्शन वाला इन्फरेंस सुनिश्चित किया जा सके।
यह योगदान एक क्वांटम-अवेयर जनरेटिव एआई फ्रेमवर्क प्रस्तुत करता है जो मल्टी-फिडेलिटी लर्निंग और एक्टिव वैलिडेशन को एकीकृत करके मैटेरियल्स डिस्कवरी में डेंसिटी फंक्शनल थ्योरी (DFT) के व्यवस्थित पूर्वाग्रहों को दूर करता है, जिससे उन स्ट्रॉन्गली कोरिलेटेड सिस्टम्स में स्थिर उम्मीदवारों की सफलतापूर्वक पहचान की जा सकती है जहाँ पारंपरिक मॉडल विफल हो जाते हैं।
यह शोध पत्र क्रॉस-आर्किटेक्चर प्रॉक्सी ट्यूनिंग (CAPT) को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त विधि है जो मॉडल एंसेम्बलिंग और कंट्रास्टिव डिकोडिंग के माध्यम से मौजूदा लीगेसी क्लिनिकल मॉडल्स का लाभ उठाकर नई पीढ़ी के जनरल-डोमेन LLMs को क्लिनिकल डोमेन के अनुकूल बनाती है, जिससे बिना किसी महंगी रिट्रेनिंग के बेहतर प्रदर्शन प्राप्त होता है।