25481 पेपर
यह शोध पत्र मोबाइल उपकरणों के लिए एक कुशल इमेज एन्हांसमेंट मॉडल का प्रस्ताव करता है जो प्रशिक्षण-परिनियोजन अंतराल को पाटने और कम-परिशुद्धता बाधाओं के तहत उच्च दृश्य निष्ठा बनाए रखने के लिए गेटेड एनकोडिंग और मल्टीस्केल रिफाइनमेंट के साथ एक पदानुक्रमित वास्तुकला के साथ क्वांटिज़ेशन-अवेयर ट्रेनिंग को जोड़ता है।
यह शोध पत्र "GROUNDED.md" का प्रस्ताव करता है, जो एक समुदाय-शासित दस्तावेज़ है जो गैर-परक्राम्य वैज्ञानिक बाधाओं और परंपराओं को कूटबद्ध करता है ताकि यह सुनिश्चित किया जा सके कि एजेंटिक AI-सहायता प्राप्त कोडिंग वैध, सर्वोत्तम-अभ्यास वाला सॉफ़्टवेयर उत्पन्न करे, भले ही इसका उपयोग गैर-डोमेन विशेषज्ञों द्वारा किया गया हो।
यह शोध पत्र एक ऐसी विधि प्रस्तावित करता है जो इन्फरेंस (inference) के समय पूर्व-निर्मित (pre-distilled) पुन: प्रयोज्य तर्क कौशल को पुनः प्राप्त करके और उन्हें लागू करके रीजनिंग एलएलएम (reasoning LLMs) की सटीकता और दक्षता में सुधार करती है, जिससे पारंपरिक "शून्य से तर्क करने" (reasoning from scratch) वाले दृष्टिकोण की तुलना में टोकन की खपत और लागत में काफी कमी आती है।
यह शोध पत्र LMArena डेटासेट में पूर्वाग्रहों का विश्लेषण करके स्थिर LLM लीडरबोर्ड की सीमाओं की आलोचना करता है और एक इंटरैक्टिव विज़ुअलाइज़ेशन टूल प्रस्तावित करता है जो उपयोगकर्ताओं को कस्टम मूल्यांकन प्राथमिकताएं परिभाषित करने में सक्षम बनाता है, जिससे पारदर्शिता बढ़ती है और संदर्भ-विशिष्ट मॉडल मूल्यांकन में सहायता मिलती है।
यह शोध पत्र टाइमस्टैम्प वाले डेटा से उच्च-स्तरीय टेम्पोरल रूप से विस्तारित घटनाओं (टेम्पोरली एक्सटेंडेड इवेंट्स) को निष्कर्ष निकालने के लिए 'आंसर सेट प्रोग्रामिंग' का उपयोग करने वाला एक नवीन तर्क-आधारित ढांचा प्रस्तुत करता है, जिसमें निरंतरता और बहुपद-समय जटिलता (पॉलीनोमियल-टाइम कॉम्प्लेक्सिटी) सुनिश्चित करने के लिए बाधा-आधारित मरम्मत तंत्र शामिल है, जिसका फेफड़ों के कैंसर की बीमारी के प्रकरणों और उपचारों का पता लगाने में एक मान्य अनुप्रयोग है।
यह शोध पत्र DiffMAS प्रस्तुत करता है, जो एक ऐसा प्रशिक्षण ढांचा है जो लेटेंट कम्युनिकेशन (latent communication) को एक सीखने योग्य घटक मानकर मल्टी-एजेंट सिस्टम को अनुकूलित करता है, जिससे टेक्स्ट-आधारित और पूर्ववर्ती लेटेंट दृष्टिकोणों की तुलना में विविध बेंचमार्क पर तर्क संबंधी सटीकता और स्थिरता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एक PAC-लर्निंग फ्रेमवर्क प्रस्तावित करता है जो उच्च-आयामी डेटा से प्राप्त एक-आयामी मत (ओपिनियन) स्पेस में सर्वसम्मति को एक इष्टतम अंतराल के रूप में मॉडल करता है, जो एक कुशल एम्पिरिकल रिस्क मिनिमाइजेशन एल्गोरिदम और चयनात्मक उपयोगकर्ता पूछताछ के माध्यम से मुद्दों की प्रसांगिकता (सेलिएंस) को ध्यान में रखते हुए मुद्दों पर अपेक्षित सहमति को अधिकतम करता है।
यह शोध पत्र "टूल अटेंशन" (Tool Attention) को प्रस्तुत करता है, जो एक मिडलवेयर तंत्र है जो इरादे (intent) और स्थिति (state) के आधार पर टूल स्कीमा को गतिशील रूप से गेटिंग करके मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) के महत्वपूर्ण टोकन ओवरहेड को समाप्त करता है, जिससे प्रति-टर्न टोकन उपयोग में 95% की कमी आती है और अधिक स्केलेबल एजेंटिक वर्कफ़्लो सक्षम होते हैं।
यह शोध पत्र तर्क देता है कि वर्तमान एआई अलाइनमेंट (AI alignment) अनुसंधान उपयोगकर्ताओं के अक्सर अपरिपक्व लक्ष्योंों को ध्यान में रखने में विफल रहता है, जिससे "फैंटासिया इंटरैक्शन" (Fantasia interactions) उत्पन्न होते हैं, और एक नए अंतर-विषयक अनुसंधान एजेंडे का प्रस्ताव करता है जहाँ एआई सिस्टम प्रॉम्प्ट्स को तर्कसंगत इरादे की पूर्ण अभिव्यक्ति मानने के बजाय, समय के साथ उपयोगकर्ता के इरादे को परिष्कृत करने में सक्रिय रूप से सहायता करते हैं।
यह शोध पत्र यह प्रदर्शित करने के लिए 'जनरलाइज्ड प्रोक्रस्टेस एल्गोरिदम' का उपयोग करते हुए एक एकल-उद्दीपन पद्धति प्रस्तुत करता है कि विज़न मॉडलों के बीच इंट्रा-मोडल रिप्रजेंटेशनल डिस्पर्शन (intra-modal representational dispersion), लैंग्वेज मॉडलों के साथ क्रॉस-मोडल अलाइनमेंट को दृढ़ता से नियंत्रित करता है, जहाँ विज़न मॉडलों के बीच उच्च सहमति वाले उद्दीपन काफी अधिक क्रॉस-मोडल अभिसरण (cross-modal convergence) उत्पन्न करते हैं।