26898 पेपर
यह शोधपत्र TI-ODE का प्रस्ताव करता है, जो एक नवीन ढांचा है जो ग्राफ ODE विकास को समय-निर्भर सीखने योग्य इंटरेक्शन बेसिस फंक्शन्स में विघटित करके डायनेमिक ग्राफ रिप्रजेंटेशन लर्निंग को बढ़ाता है, जिससे विविध और विकसित होते इंटर-नोड पैटर्न को प्रभावी ढंग से कैप्चर करने के साथ-साथ अत्याधुनिक प्रदर्शन और बेहतर मजबूती प्राप्त होती है।
यह शोध पत्र संरचित पीढ़ी कार्यों (structured generation tasks) पर मास्क किए गए डिफ्यूजन लैंग्वेज मॉडल्स (MDMs) की प्रशिक्षण क्षमता की जांच करता है, जो यह प्रकट करता है कि मानक रैंडम-मास्किंग दृष्टिकोण अस्थिरता से ग्रस्त हैं और ऑटोरेग्रेसिव स्थिरता के साथ डिफ्यूजन-आधारित योजना के लाभों को प्रभावी ढंग से संतुलित करने के लिए नवीन ब्लॉकवाइज़ लोकैलिटी-अवेयर मॉडल्स, जिगसॉ (Jigsaw) और स्कैटर (Scatter), का प्रस्ताव करता है।
MotionBricks एक स्केलेबल, रियल-टाइम जनरेटिव फ्रेमवर्क है जो मोशन सिंथेसिस में उद्योग की सीमाओं को दूर करने के लिए स्मार्ट प्रिमिटिव्स के साथ एक मॉड्यूलर लेटेंट बैकबोन को जोड़ता है, जो एनिमेशन प्रोडक्शन और रोबोटिक अनुप्रयोगों दोनों के लिए 15,000 FPS पर उच्च-गुणवत्ता वाला, मल्टी-मोडल नियंत्रण सक्षम करता है।
यह शोध पत्र *spectroxide* को प्रस्तुत करता है, जो कॉस्मिक माइक्रोवेव बैकग्राउंड स्पेक्ट्रल विरूपणों की गणना के लिए एक AI-सहायता प्राप्त रस्ट (Rust) और पायथन (Python) कोड पैकेज है, और इसे एक केस स्टडी के रूप में प्रस्तुत करता है जो AI-संचालित वैज्ञानिक सॉफ्टवेयर विकास के दौरान स्वचालित परीक्षणों द्वारा अनदेखी की गई भौतिकी-विशिष्ट त्रुटियों की पहचान करने में मानव डोमेन विशेषज्ञता की महत्वपूर्ण भूमिका को प्रदर्शित करता है।
यह शोध पत्र Co-Director प्रस्तुत करता है, जो एक पदानुक्रमित बहु-एजेंट ढांचा (hierarchical multi-agent framework) है जो वीडियो कहानी कहने (video storytelling) को मल्टी-आर्म्ड बैंडिट्स और स्थानीय स्व-परिष्करण (local self-refinement) का उपयोग करके एक वैश्विक अनुकूलन समस्या के रूप में औपचारिक रूप देता है ताकि सिमेंटिक ड्रिफ्ट (semantic drift) और कैस्केडिंग विफलताओं (cascading failures) को दूर किया जा सके, जिससे सुसंगत, उच्च-निष्ठा वाली आख्यानों को उत्पन्न करने में अत्याधुनिक बेसलाइनों से काफी बेहतर प्रदर्शन किया जा सके।
यह शोध पत्र "लेटेंट एजेंट्स" (Latent Agents) को प्रस्तुत करता है, जो एक पोस्ट-ट्रेनिंग फ्रेमवर्क है जो कंप्यूट-इंटेंसिव मल्टी-एजेंट डिबेट्स को एक एकल LLM में संकुचित (distill) करता है, जिससे 93% तक कम टोकन के साथ तुलनीय प्रदर्शन प्राप्त होता है और व्याख्या योग्य एजेंट-विशिष्ट एक्टिवेशन सबस्पेस (activation subspaces) का अनावरण होता है जो तर्क व्यवहारों पर अधिक कुशल नियंत्रण की सुविधा प्रदान करते हैं।
यह शोधपत्र MultiHedge को प्रस्तुत करता है, जो एक रिट्रीवल-ऑगमेंटेड (retrieval-augmented) LLM समन्वय ढांचा है, जो ऐतिहासिक पूर्ववृत्तों और कैनोनिकल ऑप्शन रणनीतियों का लाभ उठाकर बदलते परिवेश में मॉड्यूलर निर्णय लेने वाली प्रणालियों की मजबूती और स्थिरता को बढ़ाता है, यह प्रदर्शित करते हुए कि मेमोरी-ऑगमेंटेड रिट्रीवल केवल मॉडल के पैमाने को बढ़ाने से बेहतर प्रदर्शन करता है।
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।