27120 पेपर
यह शोध पत्र एक हल्का, उत्पादन-तैयार (production-ready) पीडीएफ पार्सिंग फ्रेमवर्क प्रस्तुत करता है जो स्थानिक ह्यूरिस्टिक्स (spatial heuristics), लेआउट विश्लेषण और सिमेंटिक समानता का उपयोग करके विजुअल तत्वों को सटीक रूप से पहचानने और उन्हें कैप्शन के साथ जोड़ने के लिए किया जाता है, जिससे लेटेंसी को कम करते हुए मल्टीमॉडल RAG प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एक प्रशिक्षण-मुक्त, मॉडल-अज्ञेय (model-agnostic) संदर्भ संपीड़न ढांचे का प्रस्ताव करता है जो लॉन्ग-कॉन्टेक्स्ट लार्ज लैंग्वेज मॉडल्स के लिए वाक्यों के एक संक्षिप्त, सुसंगत और कार्य-प्रासंगिक सेट को चुनने हेतु एक हाइब्रिड सेंटेंस ग्राफ का उपयोग करता है—जो क्रमिक संरचना के साथ अर्थ संबंधी समानता को जोड़ता है।
यह शोध पत्र 'एक्टिव इन्फरेंस' (active inference) और 'एक्सपेक्टेड फ्री एनर्जी' (expected free energy) के न्यूनीकरण का उपयोग करके "एजेंसी फेनोटाइप्स" (agency phenotypes) को परिभाषित करने के माध्यम से एआई एजेंसी (AI agency) के लक्षण वर्णन के लिए एक रूपरेखा प्रस्तावित करता है, जो अंततः यह सुझाव देता है कि जैसे-जैसे एआई अधिक एजेंटिक होता जाएगा, शासन को बाहरी बाधाओं से बदलकर एक एजेंट की पूर्व प्राथमिकताओं (prior preferences) के आंतरिक मॉड्यूलेशन की ओर स्थानांतरित होना चाहिए।
यह शोध पत्र तर्क देता है कि वर्तमान पहचान ढांचे स्वायत्त एआई एजेंटों के लिए मौलिक रूप से अपर्याप्त हैं और उन महत्वपूर्ण संरचनात्मक अंतरालों को संबोधित करने के लिए आधारभूत अनुसंधान का आह्वान करता है कि कैसे इन गैर-मानवीय संस्थाओं को संगठनात्मक सीमाओं के पार पहचाना, सत्यापित और जवाबदेह ठहराया जाता है।
Au-M-ol एक नवीन मल्टीमॉडल आर्किटेक्चर है जो एक ऑडियो एनकोडर और एक अडैप्टेशन लेयर को प्रीट्रेंड LLM के साथ एकीकृत करता है ताकि मेडिकल स्पीच रिकग्निशन और क्लिनिकल लैंग्वेज अंडरस्टैंडिंग में महत्वपूर्ण सुधार किया जा सके, जिससे मौजूदा बेसलाइनों की तुलना में वर्ड एरर रेट (WER) में 56% की कमी आती है।
यह शोध पत्र MetaErr का प्रस्ताव करता है, जो एक आर्किटेक्चर-अज्ञेय (architecture-agnostic) मेटा-लर्निंग फ्रेमवर्क है जिसे यह भविष्यवाणी करने के लिए डिज़ाइन किया गया है कि क्या एक बेस डीप न्यूरल नेटवर्क किसी विशिष्ट डेटा सैंपल पर विफल होगा, जो विभिन्न कंप्यूटर विज़न बेंचमार्क में सेमी-सुपरवाइज्ड लर्निंग और त्रुटि भविष्यवाणी को बेहतर बनाने में इसकी प्रभावशीलता को प्रदर्शित करता है।
यह शोध पत्र त्रुटिपूर्ण और गैर-उत्तरदायी मानव एनोटेटरों की उपस्थिति में उनके प्रदर्शन का मूल्यांकन करने के लिए वास्तविक दुनिया के क्राउड-सोर्स्ड टेक्स्ट एनोटेशन का उपयोग करके आठ सामान्य एक्टिव लर्निंग तकनीकों का एक अनुभवजन्य अध्ययन करता है।
यह शोध पत्र Human-1 प्रस्तुत करता है, जो हिंदी के लिए पहला खुला और पुनरुत्पादक फुल-डुप्लेक्स स्पोकन डायलॉग सिस्टम है, जो प्राकृतिक व्यवधानों (interruptions) और ओवरलैप्स जैसे भाषण व्यवहारों को सक्षम करने के लिए एक कस्टम टोकेनाइज़र और 26,000 घंटों के वास्तविक दुनिया के संवादात्मक डेटा का उपयोग करके मोशी (Moshi) आर्किटेक्चर को अनुकूलित करता है।
CombiMOTS एक पारेटो मोंटे कार्लो ट्री सर्च फ्रेमवर्क है जिसे दोहरे-लक्ष्य वाले अणु निर्माण के लिए डिज़ाइन किया गया है जो लक्षित आत्मीयता (affinity) और भौतिक-रासायनिक गुणों को संतुलित करने के लिए वेक्टरयुक्त बाधाओं का उपयोग करके एक संश्लेषणीय फ्रैगमेंट स्पेस (synthesizable fragment space) की खोज करता है, जिससे स्केलरकृत अनुकूलन (scalarized optimization) की सीमाओं और सिंथेटिक योजना की कमी को दूर किया जा सके।
GIFT (ग्लोबल स्टेबिलाइज़ेशन वाया इनट्रिन्सिक फाइन ट्यूनिंग) एक सामान्य-उद्देश्य वाला प्रशिक्षण ढांचा है जिसे एक कस्टम रिवॉर्ड फंक्शन के माध्यम से वैश्विक स्थिरता को अनुकूलित करके, कार्य प्रदर्शन से समझौता किए बिना, डीप रीइन्फोर्समेंट लर्निंग पॉलिसियों की वास्तविक दुनिया की विश्वसनीयता में सुधार करने के लिए डिज़ाइन किया गया है।