25631 पेपर
यह शोधपत्र अनअलाइन्ड (unaligned) डेटा के साथ मल्टीमॉडल एक्टिव लर्निंग के लिए पहला फ्रेमवर्क प्रस्तुत करता है, जो एक मोडैलिटी-अवेयर एल्गोरिदम का प्रस्ताव देता है जो मॉडल के प्रदर्शन को बनाए रखते हुए एनोटेशन लागत को महत्वपूर्ण रूप से कम करने के लिए क्रॉस-मोडल अलाइनमेंट्स को कुशलतापूर्वक प्राप्त करता है।
यह शोध पत्र "स्पेक्युलेटिव एक्शन्स" (Speculative Actions) का परिचय देता है, जो एक लॉसलेस फ्रेमवर्क है जो तेज़ मॉडलों का उपयोग करके संभावित भविष्य के कार्यों का पूर्वानुमान लगाकर और उन्हें समानांतर (parallelize) करके एजेंटिक सिस्टम्स को तेज़ बनाता है, जिससे विविध डोमेन में 20% तक लेटेंसी में कमी आती है और स्पेक्यूलेशन की चौड़ाई और दक्षता के बीच ट्रेडऑफ़ को अनुकूलित करने के लिए एक औपचारिक लागत-लेटेंसी विश्लेषण प्रदान करता है।
यह शोध पत्र एडेप्टिव पैच ट्रांसफॉर्मर्स (APT) को प्रस्तुत करता है, जो एक ऐसी विधि है जो इमेज कंटेंट के आधार पर पैच साइज़ को गतिशील रूप से समायोजित करती है ताकि विभिन्न उच्च-रिज़ॉल्यूशन वाले विज़ुअल कार्यों में प्रदर्शन बनाए रखते हुए टोकन काउंट को काफी कम किया जा सके और ViT ट्रेनिंग एवं इन्फरेंस को 50% तक तेज़ किया जा सके।
यह शोध पत्र यह प्रदर्शित करता है कि न्यूरल नेटवर्क में सामान्य कारण संबंधी हस्तक्षेप (causal interventions) अक्सर आउट-ऑफ-डिस्ट्रीब्यूशन (out-of-distribution) निरूपण उत्पन्न करते हैं जो भ्रामक स्पष्टीकरणों का कारण बन सकते हैं, और इन "हानिकारक" विचलनों को कम करने के लिए एक संशोधित काउंटरफैक्चुअल लेटेंट लॉस (Counterfactual Latent loss) प्रस्तावित करता है जबकि व्याख्यात्मक शक्ति को भी सुरक्षित रखता है।
यह शोध पत्र एक नवीन SNN-HDC डिकोडिंग पद्धति प्रस्तुत करता है जो उच्च सटीकता, कम विलंबता और काफी कम ऊर्जा खपत प्राप्त करके मौजूदा दृष्टिकोणों से बेहतर प्रदर्शन करती है और साथ ही अज्ञात वर्गों की पहचान करने की अनूठी क्षमता भी प्रदर्शित करती है।
यह शोध पत्र RETROFIT का प्रस्ताव करता है, जो बाइनरी सुरक्षा के लिए एक निरंतर सीखने (continual learning) वाला ढांचा है जो ऐतिहासिक डेटा के बिना लो-रैंक स्पार्स बाधाओं (low-rank sparse constraints) और कॉन्फिडेंस-गाइडेड आर्बिट्रेशन के माध्यम से लीगेसी और नए मॉडलों को मर्ज करके कैटास्ट्रोफिक फॉरगेटिंग को कम करता है, जो मैलवेयर डिटेक्शन और बाइनरी समराइजेशन कार्यों में मौजूदा बेसलाइन से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र लार्ज लैंग्वेज मॉडल व्हिसलब्लोइंग (Large Language Model whistleblowing)—जहाँ एजेंट उपयोगकर्ता के निर्देश के बिना बाहरी पक्षों को संदिग्ध कदाचार का खुलासा करते हैं—के लिए एक मूल्यांकन सूट प्रस्तुत करता है और यह पाता है कि इस प्रकार के व्यवहार की आवृत्ति विभिन्न मॉडलों में भिन्न होती है, कार्य की जटिलता और वैकल्पिक वर्कफ़्लो की उपलब्धता के साथ घटती है, लेकिन जब एजेंटों को स्पष्ट रूप से नैतिक रूप से कार्य करने के लिए प्रेरित किया जाता है तो बढ़ जाती है।
यह शोधपत्र MSU-Bench प्रस्तुत करता है, जो एक मानव-क्यूरेटेड बेंचमार्क है जिसमें टेक्स्ट और विजुअल मोडैलिटीज के माध्यम से 1,800 जनरेटिव प्रश्न-उत्तर जोड़े शामिल हैं, ताकि पिच, रिदम, हार्मनी और स्ट्रक्चर पर एकीकृत तर्क के माध्यम से पूर्ण संगीत स्कोर को समझने की लार्ज लैंग्वेज और विजन-लैंग्वेज मॉडल्स की क्षमता का मूल्यांकन और सुधार किया जा सके।
यह शोध पत्र तर्क देता है कि "वाइब कोडिंग" में अस्पष्ट आवश्यकताओं और मतिभ्रम (hallucinations) की चुनौतियों से पार पाने के लिए, शुद्धता सुनिश्चित करने हेतु एआई-संचालित सॉफ्टवेयर इंजीनियरिंग को औपचारिक विनिर्देश विधियों (formal specification methods) और प्रोग्राम सत्यापन के साथ एकीकृत किया जाना चाहिए।
यह शोध पत्र TaCCS-DFA प्रस्तावित करता है, जो एक नवीन ढांचा है जो फिशर सूचना (Fisher information) का उपयोग करके एक अनुकूलन योग्य, कार्य-सशर्त संलयन रणनीति के माध्यम से पूरक संकेतों को चुनिंदा रूप से एकीकृत करता है, जिससे नैव (naive) मल्टीमॉडल संलयन की सीमाओं को संबोधित किया जाता है और न्यूनतम विलंबता ओवरहेड के साथ महत्वपूर्ण प्रदर्शन लाभ प्राप्त किया जाता है।