27120 पेपर
यह अध्ययन इस धारणा को चुनौती देता है कि मनुष्य एआई-जनित पाठ के बीच अंतर नहीं कर सकते, जो 16 बहुभाषी डेटासेट में 87.6% औसत पहचान सटीकता प्रदर्शित करके, वास्तविकता, सांस्कृतिक सूक्ष्मता और विविधता में प्रमुख अंतरों की पहचान करता है, और यह भी प्रकट करता है कि जब स्रोत संदिग्ध हो तो मनुष्य हमेशा मानव-लिखित पाठ को प्राथमिकता नहीं देते हैं।
यह शोध पत्र TinyR1-32B-Preview को प्रस्तुत करता है, जो एक नवीन 'ब्रांच-मर्ज डिस्टिलेशन' (Branch-Merge distillation) दृष्टिकोण के माध्यम से विकसित एक 32B-पैरामीटर वाला मॉडल है, जो विशिष्ट छात्र मॉडलों को चुनिंदा रूप से प्रशिक्षित करने और उन्हें मर्ज करने के माध्यम से गणित, कोडिंग और विज्ञान में मौजूदा डिस्टिल्ड समकक्षों से काफी बेहतर प्रदर्शन करता है और बड़े DeepSeek-R1 शिक्षक मॉडल के प्रदर्शन के बराबर पहुँच जाता है।
यह शोध पत्र M2R2 को प्रस्तुत करता है, जो एक नवीन मल्टीमॉडल फीचर एक्सट्रैक्टर है जो कई रोबोटिक डेटासेट्स में टेम्पोरल एक्शन सेगमेंटेशन के लिए अत्याधुनिक प्रदर्शन प्राप्त करने हेतु प्रोप्रियोसेप्टिव और एक्सटेरोसेप्टिव सेंसर डेटा को एक पुन: प्रयोज्य प्रशिक्षण रणनीति के साथ प्रभावी ढंग से संयोजित करता है।
रेट्रोमोशन (RetroMotion) एक ट्रांसफॉर्मर-आधारित मोशन फोरकास्टिंग मॉडल है जो एक रेट्रोकॉज़ल सूचना प्रवाह (retrocausal information flow) का उपयोग करके जटिल मल्टी-एजेंट भविष्यवाणियों को मार्जिनल और जॉइंट डिस्ट्रीब्यूशन में विभाजित करता है, जिससे प्रमुख डेटासेट्स पर अत्याधुनिक प्रदर्शन प्राप्त होता है और यह विशिष्ट रूप से सीन-एडेप्टिव इंस्ट्रक्शन फॉलोइंग का समर्थन करता है।
यह शोधपत्र स्पूकीबेंच (SpookyBench) प्रस्तुत करता है, जो यह प्रदर्शित करता है कि अत्याधुनिक वीडियो-भाषा मॉडल उन पैटर्नों को पहचानने में विफल रहते हैं जो केवल शोर जैसे फ्रेमों के टेम्पोरल अनुक्रमों (temporal sequences) में एनकोड किए गए होते हैं जहाँ मनुष्य उत्कृष्ट प्रदर्शन करते हैं, जो स्थानिक विशेषताओं (spatial features) पर अत्यधिक निर्भरता और शुद्ध टेम्पोरल सूचना को संसाधित करने की मौलिक अक्षमता को प्रकट करता है।
यह शोध पत्र PuckTrick का परिचय देता है, जो एक पायथन लाइब्रेरी है जो व्यवस्थित रूप से मिसिंग वैल्यूज (missing values) और नॉइज़ (noise) जैसे नियंत्रित त्रुटियों को पेश करके सिंथेटिक डेटा की यथार्थता को बढ़ाती है, जिससे केवल स्वच्छ सिंथेटिक डेटासेट पर प्रशिक्षण लेने वाले मशीन लर्निंग मॉडल्स की तुलना में उनकी मजबूती और सामान्यीकरण क्षमता में वृद्धि होती है।
यह शोध पत्र MAGIC का प्रस्ताव करता है, जो एक फ्यू-शॉट विसंगति जनरेशन फ्रेमवर्क है जो मजबूत औद्योगिक गुणवत्ता नियंत्रण के लिए उच्च-निष्ठा (high-fidelity) और विविध विसंगतियों को उत्पन्न करने हेतु गॉसियन प्रॉम्प्ट परटर्बेशन, स्थानिक रूप से अनुकूलन योग्य मार्गदर्शन और संदर्भ-जागरूक मास्क संरेखण का लाभ उठाता है।
यह शोध पत्र PBiLoss का प्रस्ताव करता है, जो एक नवीन, मॉडल-अज्ञेय (model-agnostic) रेगुलराइजेशन लॉस फंक्शन है, जो एडेप्टिव सैंपलिंग रणनीतियों के माध्यम से लोकप्रिय वस्तुओं की अत्यधिक सिफारिश को दंडित करके ग्राफ-आधारित अनुशंसा प्रणालियों में लोकप्रियता पूर्वाग्रह को कम करता है, जिससे सटीकता से समझौता किए बिना अनुशंसा निष्पक्षता और विविधता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र aLLoyM को प्रस्तुत करता है, जो कि मिश्र धातु चरण आरेख (alloy phase diagram) डेटा पर प्रशिक्षित एक फाइन-ट्यून्ड लार्ज लैंग्वेज मॉडल है, जो बहुविकल्पीय प्रश्नों के लिए भविष्यवाणी सटीकता में महत्वपूर्ण सुधार करता है और घटक विवरणों से चरण आरेख उत्पन्न करने की नवीन क्षमता प्रदर्शित करता है, जिससे सामग्री खोज में तेजी आती है।
यह अध्ययन प्रदर्शित करता है कि लक्ष्य-उन्मुख कार्यों में, मध्यम स्तर की व्यक्तित्व अभिव्यक्ति और उपयोगकर्ता के लक्षणों (विशेष रूप से बहिर्मुखता और भावनात्मक स्थिरता) के साथ रणनीतिक संरेखण वाले संवादात्मक एजेंट सबसे सकारात्मक उपयोगकर्ता धारणाएं उत्पन्न करते हैं, जो एक उलटे-यू (inverted-U) संबंध का निर्माण करते हैं जहाँ मध्यम अभिव्यक्ति निम्न और उच्च दोनों चरम सीमाओं से बेहतर प्रदर्शन करती है।