25400 पेपर
यह शोध पत्र एक वेरिएशनल बायेसियन अनुमान ढांचा प्रस्तावित करता है जो मशीन लर्निंग मॉडलों में रैखिक समानता बाधाओं को समाहित करता है ताकि यह सुनिश्चित किया जा सके कि भविष्यवाणियां ज्ञात भौतिक नियमों का पालन करती हैं और साथ ही मजबूत अनिश्चितता अनुमान प्रदान करती हैं, जो मानक बायेसियन न्यूरल नेटवर्क की तुलना में एक सिंगल-पार्टिकल बैटरी मॉडल पर बेहतर प्रदर्शन और बाधा अनुपालन प्रदर्शित करता है।
यह शोध पत्र GAIA-v2-LILT को प्रस्तुत करता है, जो GAIA बेंचमार्क का एक कठोरता से पुन: ऑडिट किया गया बहुभाषी विस्तार है, जो कार्यात्मक संरेखण, सांस्कृतिक अनुकूलन और कठिनाई अंशांकन को संयोजित करने वाले एक परिष्कृत वर्कफ़्लो का उपयोग करता है ताकि यह प्रदर्शित किया जा सके कि न्यूनतम मशीन अनुवाद एजेंट प्रदर्शन मेट्रिक्स को महत्वपूर्ण रूप से विकृत करता है और उचित स्थानीयकरण बहुभाषी प्रदर्शन अंतराल को पर्याप्त रूप से कम करता है।
S-SONDO एक नवीन, आर्किटेक्चर-अज्ञेय (architecture-agnostic) फ्रेमवर्क है जो केवल आउटपुट एम्बेडिंग्स का उपयोग करके सामान्य ऑडियो फाउंडेशन मॉडल्स के लिए सेल्फ-सुपरवाइज्ड नॉलेज डिस्टिलेशन को सक्षम बनाता है, जो मूल प्रदर्शन का 96% तक बनाए रखते हुए बड़े मॉडल्स को काफी छोटे स्टूडेंट्स में सफलतापूर्वक संकुचित करता है।
यह शोध पत्र तर्क देता है कि लार्ज लैंग्वेज मॉडल्स में लेयर रिडंडेंसी (परत अतिरेक) एक अंतर्निहित संरचनात्मक गुण नहीं है बल्कि यह कैलिब्रेशन उद्देश्य पर कार्यात्मक रूप से निर्भर है, जो यह प्रदर्शित करता है कि विशिष्ट सर्च एल्गोरिदम के उपयोग की तुलना में उद्देश्य का चयन डेप्थ प्रूनिंग परिणामों पर अधिक प्रभाव डालता है।
नेमोट्रोन 3 नैनो ओम्नी (Nemotron 3 Nano Omni) एक नया ओपन-सोर्स मल्टीमॉडल मॉडल है जो मूल रूप से ऑडियो, टेक्स्ट, इमेज और वीडियो इनपुट का समर्थन करता है, जो 30B-A3B बैकबोन और टोकन-रिडक्शन तकनीकों के माध्यम से बेहतर सटीकता, एजेंटिक क्षमताएं और कुशल इन्फरेंस प्रदान करता है, जिसके चेकपॉइंट्स और कोड को आगे के अनुसंधान के समर्थन के लिए जारी किया गया है।
यह शोधपत्र बेंचगार्ड (BenchGuard) को प्रस्तुत करता है, जो एक स्वचालित ऑडिटिंग फ्रेमवर्क है जो टास्क-ओरिएंटेड एजेंट बेंचमार्क में दोषों को व्यवस्थित रूप से पहचानने और उन्हें मान्य करने के लिए फ्रंटियर एलएलएम (LLM) का लाभ उठाता है, जो कम लागत पर मानवीय समीक्षा द्वारा छूट जाने वाली महत्वपूर्ण त्रुटियों का पता लगाने में इसकी प्रभावशीलता को प्रदर्शित करता है।
यह शोध पत्र "कंप्यूट अलाइन्ड ट्रेनिंग" (Compute Aligned Training) पेश करता है, जो एक नया फ्रेमवर्क है जो नए लॉस फंक्शन्स को व्युत्पन्न करके लार्ज लैंग्वेज मॉडल्स के ट्रेनिंग ऑब्जेक्टिव्स को टेस्ट-टाइम इन्फरेंस रणनीतियों के साथ संरेखित करता है, जिससे मानक SFT और RL दृष्टिकोणों की तुलना में प्रदर्शन स्केलिंग में महत्वपूर्ण सुधार होता है।
यह शोध पत्र FairChart2Table फ्रेमवर्क को प्रस्तुत करता है जो यह प्रकट करता है कि मल्टीमॉडल लैंग्वेज मॉडल्स चार्ट-टू-टेबल अनुवाद में y-अक्ष की विशेषताओं (जैसे अंक की लंबाई, टिक संख्या और मान सीमा) और लेजेंड जटिलता से संबंधित महत्वपूर्ण प्रदर्शन पूर्वाग्रह प्रदर्शित करते हैं, जबकि यह भी दर्शाता है कि स्पष्ट y-अक्ष जानकारी प्रदान करने से इन असमानताओं को कम किया जा सकता है।
यह शोध पत्र मानव-एजेंट सहयोग के लिए एक मानदण्डिक "लीवरेज रेशियो" (leverage ratio) ढांचे का प्रस्ताव करता है जो विस्थापित मानव कार्य की तुलना विशिष्टता (specification), व्यवधान समाधान और समीक्षा की समय लागत से करके दक्षता को परिमाणित करता है, जबकि यह विश्लेषण करता है कि सूचना प्रवाह संबंधी बाधाएं और कार्य की नवीनता कैसे प्रति-कार्य और विंडो आधारित लीवरेज स्केलिंग को सीमित करती हैं।
फिलीपीन आतिथ्य (हॉस्पिटैलिटी) शिक्षकों के इस अन्वेषणात्मक अध्ययन ने ऑनलाइन निर्देश को प्रभावित करने वाले प्रमुख कारकों के रूप में शैक्षणिक चुनौतियों, तकनीकी बाधाओं और संस्थागत सहायता की पहचान की है, जबकि शैक्षिक परिणामों को बेहतर बनाने के लिए उन्नत प्रशिक्षण और जिम्मेदार एआई (AI) एकीकरण की आवश्यकता पर भी प्रकाश डाला है।