25890 पेपर
SpecAgent एक नवीन एजेंट है जो इंडेक्सिंग के दौरान एसिंक्रोनस (asynchronous), स्पेक्युलेटिव कॉन्टेक्स्ट कंस्ट्रक्शन करके लार्ज लैंग्वेज मॉडल्स में कोड कंप्लीशन को बेहतर बनाता है ताकि जनरेशन की गुणवत्ता और इन्फरेंस लेटेंसी (inference latency) दोनों को एक साथ सुधारा जा सके, साथ ही यह अधिक यथार्थवादी मूल्यांकन के लिए एक लीकेज-मुक्त बेंचमार्क भी पेश करता है।
यह शोध पत्र एक मल्टी-एजेंट संवादात्मक सेल्फ-ट्राइएज सिस्टम प्रस्तुत करता है जो नैदानिक प्रोटोकॉल को प्राप्त करने और नेविगेट करने में उच्च सटीकता प्राप्त करने के लिए लार्ज लैंग्वेज मॉडल्स को 100 चिकित्सकीय रूप से प्रमाणित मेडिकल फ्लोचार्ट्स के साथ एकीकृत करता है, जिससे एआई-सहायता प्राप्त रोगी निर्णय लेने के लिए एक पारदर्शी और विश्वसनीय ढांचा प्रदान होता है।
यह शोध पत्र SH-Bench को पेश करके ऑडियो लार्ज लैंग्वेज मॉडल्स में बाइस्टैंडर स्पीच (बाइस्टैंडर के बोलने) के गोपनीयता जोखिमों को संबोधित करता है, जो चयनात्मक श्रवण (सेलेक्टिव हियरिंग) के मूल्यांकन के लिए एक बेंचमार्क है, और बाइडस्टैंडर प्राइवेसी फाइन-ट्यूनिंग (BPFT) का प्रस्ताव देता है, जो एक ऐसी प्रशिक्षण विधि है जो मुख्य वक्ता की समझ बनाए रखते हुए बाइस्टैंडर की गोपनीयता की रक्षा करने की मॉडल्स की क्षमता में महत्वपूर्ण रूप से सुधार करती है।
यह शोध पत्र BootTrans का प्रस्ताव करता है, जो एक बूटस्ट्रैपिंग पद्धति है जो यूनिवर्सल ओरैकल के रूप में पिवट-लैंग्वेज टेस्ट सूट्स का लाभ उठाती है और डेटा की कमी तथा अनुकूलन असंतुलन को दूर करने के लिए एक लैंग्वेज-अवेयर वेटिंग मैकेनिज्म का उपयोग करती है, जिससे विविध भाषा युग्मों में मल्टीलिंगुअल कोड ट्रांसलेशन प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र SAGE-32B को प्रस्तुत करता है, जो Qwen2.5-32B पर आधारित एक 32-बिलियन-पैरामीटर वाला भाषा मॉडल है जो पुनरावृत्ति आसवन (iterative distillation) और एक प्रतिवर्ती तर्क (inverse reasoning) दृष्टिकोण के माध्यम से एजेंटिक तर्क और दीर्घकालिक योजना बनाने में विशेषज्ञता रखता है, जिससे यह समान आकार के मॉडलों की तुलना में मल्टी-टूल बेंचमार्क पर बेहतर प्रदर्शन प्राप्त करता है।
यह शोध पत्र ViDoRe v3 को प्रस्तुत करता है, जो 6 भाषाओं में 10 विविध डेटासेट और 3,099 मानव-सत्यापित प्रश्नों से युक्त एक व्यापक मल्टीमॉडल बेंचमार्क है, जिसे जटिल, दृश्य रूप से समृद्ध वास्तविक दुनिया के दस्तावेज़ों पर रिट्रीवल-ऑगमेंटेड जनरेशन (Retrieval-Augmented Generation) प्रणालियों का मूल्यांकन करने के लिए डिज़ाइन किया गया है और जो विजुअल ग्राउंडिंग तथा मल्टी-डॉक्यूमेंट सिंथेसिस में वर्तमान सीमाओं को रेखांकित करता है।
यह शोध पत्र मल्टी-फोकस अटेंशन इंस्ट्रक्शन (MFAI) प्रोब को पेश करता है जो यह प्रकट करता है कि लार्ज लैंग्वेज मॉडल्स में मल्टी-हॉप रीजनिंग की विफलताएं मुख्य रूप से एक "वीकेस्ट लिंक इफेक्ट" (सबसे कमजोर कड़ी प्रभाव) द्वारा संचालित होती हैं जहाँ प्रदर्शन सबसे कम दृश्यमान साक्ष्य की पूर्ण स्थिति के आधार पर ढह जाता है, जो एक ऐसा बॉटलनेक है जिसे लक्षित अटेंशन स्टीयरिंग या सिस्टम-2 थिंकिंग के माध्यम से हल किया जा सकता है।
यह शोध पत्र नॉलेज-गाइडेड कॉज़ल मॉडल वेरिएशनल ऑटोएनकोडर (KGCM-VAE) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो समय-परिवर्तनीय कन्फाउंडिंग (confounding) को संबोधित करके और मौजूदा डीप लर्निंग बेसलाइनों से बेहतर प्रदर्शन करते हुए, समुद्र की सतह की ऊँचाई के समुद्री बर्फ की मोटाई पर कारण प्रभाव (causal effect) को सटीक रूप से मापने के लिए भौतिक बाधाओं और मैक्सिमम मीन डिसक्रीपेंसी (Maximum Mean Discrepancy) को एकीकृत करता है।
यह शोध पत्र एक लचीले कूपमैन ऑटोएनकोडर सरोगेट मॉडल को प्रस्तुत करता है जो मजबूर लचीले मेश तटीय-महासागरीय मॉडलों के लिए स्थिर, सटीक और गणनात्मक रूप से कुशल दीर्घकालिक भविष्यवाणियां प्राप्त करने के लिए मौसम संबंधी बलों और सीमा स्थितियों को समाहित करता है, जो कई मामलों में पारंपरिक POD-आधारित दृष्टिकोणों से बेहतर प्रदर्शन करता है और एन्सेम्बल पूर्वानुमान जैसे व्यावहारिक अनुप्रयोगों को सक्षम बनाता है।
यह शोध पत्र डायमंड मैप्स (Diamond Maps) का परिचय देता है, जो एक नवीन स्टोकेस्टिक फ्लो मॉडल है जो सिमुलेशन स्टेप्स को एकल-चरण सैंपलर (single-step sampler) में अमोर्टाइज़ करके इन्फरेंस के समय कुशल, सटीक और स्केलेबल रिवॉर्ड अलाइनमेंट सक्षम बनाता है, जबकि किसी भी उपयोगकर्ता की प्राथमिकताओं के अनुकूल होने के लिए आवश्यक स्टोकेस्टिसिटी को भी सुरक्षित रखता है।