25803 पेपर
यह शोध पत्र OMAC को प्रस्तुत करता है, जो एक सामान्य ढांचा है जो पांच प्रमुख आयामों की पहचान करके और एकल एवं संयुक्त अनुकूलन दोनों के लिए विशिष्ट एल्गोरिदम का उपयोग करके लार्ज लैंग्वेज मॉडल-आधारित मल्टी-एजेंट सिस्टम को समग्र रूप से अनुकूलित करता है, जिससे कोड जनरेशन और रीजनिंग जैसे जटिल कार्यों में अत्याधुनिक दृष्टिकोणों की तुलना में बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र CASS को प्रस्तुत करता है, जो क्रॉस-आर्किटेक्चर GPU कोड ट्रांसपाइलेशन (CUDA से HIP और SASS से RDNA3) के लिए पहला डेटासेट और मॉडल सुइट है, जो अत्याधुनिक अनुवाद सटीकता और प्रदर्शन संरक्षण प्राप्त करता है और GPT-5.1 एवं Hipify जैसे वाणिज्यिक बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र मल्टी-रेज़ोल्यूशन स्किल्स (MRS) को प्रस्तुत करता है, जो एक पदानुक्रमित सुदृढीकरण शिक्षण (hierarchical reinforcement learning) ढांचा है जो निश्चित टेम्पोरल होराइजन्स वाले कई लक्ष्य-अनुमान मॉड्यूल में से गतिशील रूप से चयन करने के लिए एक मेटा-कंट्रोलर का उपयोग करता है, जिससे विशिष्ट अवस्थाओं और कार्यों के अनुसार सबगोल दूरियों को अनुकूलित करके दीर्घ-क्षितिज वाले कार्यों में चपलता-प्रदर्शन अंतराल को हल किया जाता है।
यह शोध पत्र स्टेटफुल डिफेन्सेस (BSD) पाइपलाइन को पेश करता है जो खतरनाक कार्यों को प्रतीत होने वाले सौम्य प्रश्नों में विभाजित करके सुरक्षा फिल्टरों को बायपास करने वाले गुप्त प्रतिकूल हमलों का मूल्यांकन और शमन करता है, यह प्रदर्शित करते हुए कि स्टेटफुल डिफेन्सेस ऐसे दुरुपयोग के विरुद्ध एक प्रभावी जवाबी उपाय हैं।
SEAT एक स्पार्स (sparse), अलाइनमेंट-फ्री फाइन-ट्यूनिंग विधि है जो बड़े भाषा मॉडलों को नई जानकारी के अनुकूल प्रभावी ढंग से अनुकूलित करती है और साथ ही अज्ञात प्रश्नों का उत्तर देने से बचने की उनकी महत्वपूर्ण क्षमता को भी सुरक्षित रखती है, जिससे उच्च-जोखिम वाले परिवेशों में मतिभ्रम (hallucinations) को रोका जा सके।
OmniGen2 एक ओपन-सोर्स, इंस्ट्रक्शन-अलाइन्ड मल्टीमॉडल जनरेशन मॉडल है जो टेक्स्ट-टू-इमेज, इमेज एडिटिंग और सब्जेक्ट-ड्रिवन इन-कॉन्टेक्स्ट जनरेशन कार्यों में मौजूदा टेक्स्ट क्षमताओं को बनाए रखते हुए अत्याधुनिक प्रदर्शन प्राप्त करने के लिए डिकपल्ड पैरामीटर्स के साथ एक डुअल-पाथवे आर्किटेक्चर का उपयोग करता है।
यह शोध पत्र जनरल गेम प्लेइंग में प्रत्येक सब-टास्क के लिए सर्वश्रेष्ठ प्रदर्शन करने वाले एल्गोरिदम की सटीक पहचान करने के लिए मल्टी-आर्म्ड बैंडिट्स पर आधारित एक कुशल, आशावादी चयन प्रक्रिया प्रस्तावित करता है, जो GVGAI और Ludii फ्रेमवर्क पर मौजूदा विधियों की तुलना में सिंपल रिग्रेट और एरर प्रोबेबिलिटी में महत्वपूर्ण सुधार प्रदर्शित करता है।
यह शोध पत्र CLCFinder और एक नए डेटासेट को प्रस्तुत करता है यह प्रदर्शित करने के लिए कि प्री-ट्रेंड कोड लैंग्वेज मॉडल्स, विशेष रूप से UniXcoder-base जैसे छोटे मॉडल्स को फाइन-ट्यून करना, क्रॉस-लैंग्वेज बग्स का पता लगाने में महत्वपूर्ण सुधार करता है, जो एक ऐसा कार्य है जहाँ सिंगल-लैंग्वेज बग डिटेक्टर्स और बड़े मॉडल्स अक्सर खराब प्रदर्शन करते हैं।
यह शोध पत्र \textsc{ReX} का परिचय देता है, जो एक निष्पादन-आधारित (execution-grounded) ढांचा है जो स्मार्ट कॉन्ट्रैक्ट्स के लिए एंड-टू-एंड एक्सप्लॉइट जनरेशन को स्वचालित करने के लिए LLMs और Foundry स्टैक का लाभ उठाता है, यह प्रकट करते हुए कि जबकि वर्तमान मॉडल एकल-कॉन्ट्रैक्ट कमजोरियों के लिए नियत प्रूफ-ऑफ-कॉन्सेप्ट (deterministic proofs-of-concept) को प्रभावी ढंग से संश्लेषित कर सकते हैं, वे क्रॉस-कॉन्ट्रैक्ट हमलों के साथ संघर्ष करते हैं और तकनीकी एक्सप्लॉइटेबिलिटी तथा वास्तविक दुनिया के आर्थिक प्रभाव के बीच महत्वपूर्ण अंतराल का सामना करते हैं।
यह शोध पत्र GRAIL को प्रस्तुत करता है, जो एक LLM-निर्देशित डेटा संश्लेषण पाइपलाइन और एक दो-चरणीय प्रशिक्षण प्रक्रिया का उपयोग करके बड़े नॉलेज ग्राफ पर रिट्रीवल-ऑगमेंटेड रीजनिंग को बढ़ाता है, जिससे एक इंटरैक्टिव पॉलिसी सीखने में मदद मिलती है जो रिट्रीवल की व्यापकता और सटीकता के बीच गतिशील रूप से संतुलन बनाती है, और नॉलेज ग्राफ प्रश्न-उत्तर कार्यों पर सटीकता और F1 स्कोर में महत्वपूर्ण सुधार प्राप्त करती है।