20568 पेपर
GraphSeg एक ऐसा फ्रेमवर्क है जो गहराई के डेटा के बिना विरल (sparse) 2D छवियों से सुसंगत 3D ऑब्जेक्ट सेगमेंटेशन उत्पन्न करता है, जो सेगमेंटेशन को ग्राफ एज एडिशन और कॉन्ट्रैक्शन समस्या के रूप में स्वरूपित करके असंरचित वातावरण में मजबूत रोबोटिक हेरफेर को सक्षम बनाता है।
यह शोध पत्र ज्यामितीय विस्थापन (geometric shifting) और सहप्रसरण हेरफेर (covariance manipulation) को एलएलएम (LLMs) में व्हाइट-बॉक्स मॉनिटर से बचने के लिए सक्षम करने वाले प्रमुख तंत्रों के रूप में पहचानता है और सेफ्टीनेट (SafetyNet) का प्रस्ताव करता है, जो एक सुदृढ़ एंसेम्बल रक्षा (robust ensemble defense) है जो कई मॉडल परिवारों और बेंचमार्क में लगभग पूर्ण डिटेक्शन प्रदर्शन प्राप्त करता है।
यह शोध पत्र एक नए सैद्धांतिक ढांचे का प्रस्ताव और सत्यापन करता है जो यह प्रदर्शित करता है कि एक AI एजेंट की क्षमताओं के बारे में मानवीय विश्वास RLHF में प्राथमिकता जनरेशन (preference generation) को महत्वपूर्ण रूप से प्रभावित करते हैं, और यह दर्शाता है कि इन विश्वासों को वास्तविक एजेंट क्षमताओं के साथ संरेखित करना—इष्टतमता (optimality) मान लेने के बजाय—अधिक प्रदर्शन करने वाली सीखी गई नीतियों की ओर ले जाता है।
यह शोध पत्र REAL को प्रस्तुत करता है, जो एक नवीन KV कैश इविक्शन विधि है जो सफल और विफल तर्क पैटर्न (reasoning patterns) दोनों का विश्लेषण करने के लिए एक अटेंशन बिहेवियर मैट्रिक्स का लाभ उठाती है, जिससे मौजूदा बेसलाइनों की तुलना में काफी कम मेमोरी ओवरहेड के साथ अत्याधुनिक लॉन्ग-कॉन्टेक्स्ट प्रदर्शन प्राप्त होता है।
यह शोध पत्र कॉन्ट्रास्टिव वीक-टू-स्ट्रॉन्ग जनरलाइजेशन (ConG) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो संरेखित (aligned) कमजोर मॉडलों से उच्च गुणवत्ता वाले प्रशिक्षण नमूने उत्पन्न करने के लिए इम्प्लिसिट रिवॉर्ड्स और कॉन्ट्रास्टिव डिकोडिंग के बीच संरचनात्मक समानता का लाभ उठाता है, जिससे मानव फीडबैक के बिना बड़े भाषा मॉडलों के स्केलिंग की मजबूती और प्रभावशीलता बढ़ती है।
यह शोध पत्र एक मल्टी-एजेंट सिस्टम का प्रस्ताव करता है जो रेडियो एक्सेस और कोर नेटवर्क डोमेन में रूट-कॉज़ डायग्नोसिस (मूल कारण निदान) को त्वरित करने और मैनुअल विशेषज्ञ हस्तक्षेप पर निर्भरता को महत्वपूर्ण रूप से कम करने के लिए विशेष उपकरणों और एक फाइन-ट्यून किए गए स्मॉल लैंग्वेज मॉडल को समन्वित करता है ताकि टेलीकॉम नेटवर्क ट्रबलशूटिंग को स्वचालित किया जा सके।
यह शोधपत्र VerIH प्रस्तुत करता है, जो एक प्रशिक्षण डेटासेट और सुदृढीकरण शिक्षण (reinforcement learning) दृष्टिकोण है जो निर्देश पदानुक्रम समाधान (instruction hierarchy resolution) को एक तर्क कार्य के रूप में पुनर्गठित करता है, जिससे भाषा मॉडल परस्पर विरोधी निर्देशों को प्रभावी ढंग से प्राथमिकता देने में सक्षम होते हैं और निर्देश पालन एवं सुरक्षा हमलों के विरुद्ध मजबूती में महत्वपूर्ण सुधार करते हैं।
यह शोध पत्र H3Former का प्रस्ताव करता है, जो फाइन-ग्रेन्ड विजुअल क्लासिफिकेशन के लिए एक नवीन टोकन-टू-रीजन फ्रेमवर्क है, जो उच्च-क्रम की सिमेंटिक निर्भरताओं को कैप्चर करने के लिए भारित हाइपरग्राफ बनाने हेतु एक सिमेंटिक-अवेयर एग्रीगेशन मॉड्यूल का उपयोग करता है और एक नॉन-यूक्लिडियन स्पेस में पदानुक्रमित बाधाओं को लागू करने के लिए हाइपरबोलिक हिरार्किकल कॉन्ट्रास्टिव लॉस का उपयोग करता है, जिससे मानक बेंचमार्क पर उत्कृष्ट प्रदर्शन प्राप्त होता है।
यह शोध पत्र BREW को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो एक नवीन एक्सपैंड-एंड-गैदर मोंटे कार्लो ट्री सर्च एल्गोरिदम और हिंडसाइट रीलेबलिंग का उपयोग करके पिछले इंटरेक्शन ट्रेजेक्टरीज को प्राकृतिक भाषा की रेसिपी के एक संरचित, रिट्रीवेबल नॉलेज बेस में संकलित (distill) करके LLM-आधारित एजेंटों को उन्नत करता है, जिसके परिणामस्वरूप कई बेंचमार्क में कार्य सफलता दर और निष्पादन दक्षता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र RIS-सहायता प्राप्त मल्टी-यूज़र डाउनलिंक सिस्टम में सम रेट (sum rate) और ऊर्जा दक्षता को अधिकतम करने के लिए पिंचिंग-एंटीना स्थितियों, RIS फेज शिफ्ट्स और बीमफॉर्मिंग वेक्टर्स को संयुक्त रूप से अनुकूलित करने हेतु एक नवीन तीन-चरणीय ग्राफ न्यूरल नेटवर्क (GNN) फ्रेमवर्क प्रस्तावित करता है, जो मजबूत सामान्यीकरण क्षमताओं के साथ एक वास्तविक समय का समाधान प्रदान करता है।