28108 पेपर
यह शोध पत्र ForeSight प्रस्तुत करता है, जो एक एकीकृत मल्टीमॉडल फ्रेमवर्क है जो लो-लेवल विजुअल टूल्स और एक मास्क-आधारित विजुअल फीडबैक मैकेनिज्म को रीइन्फोर्समेंट लर्निंग पैराडाइम के भीतर एकीकृत करके विजन-लैंग्वेज मॉडल रीजनिंग को बढ़ाता है, और नवनिर्मित CG-SalBench डेटासेट पर अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र छोटे, ओपन-वेट विजन-लैंग्वेज मॉडल्स में चापलूसी (sycophancy) को मापने के लिए "ब्लफिंग कोएफिशिएंट" (Bluffing Coefficient) प्रस्तुत करता है, जो फैंटेसी चरित्र चित्रों का मूल्यांकन करते समय दृश्य साक्ष्य के बिना अनुचित रूप से उच्च अंक देने की प्रवृत्ति और मॉडल के आकार के बीच एक मजबूत विपरीत संबंध को प्रकट करता है।
डिफ्यूजन टेम्पलेट्स (Diffusion Templates) एक एकीकृत, ओपन-सोर्स प्लगइन फ्रेमवर्क है जो एक मानकीकृत इंटरफ़ेस के माध्यम से बेस डिफ्यूजन मॉडल्स को नियंत्रणीय क्षमताओं से अलग करता है, जिससे विभिन्न मॉडल बैकबोंक (backbones) के बीच विविध नियंत्रण विधियों (जैसे कि LoRA और KV-Cache) का मॉड्यूलर संयोजन और निर्बाध स्थानांतरण सक्षम होता है।
DPRM डिफ्यूजन लैंग्वेज मॉडल्स के लिए एक प्लग-इन मॉड्यूल है जो रैंडम या मायोपिक टोकन-ऑर्डरिंग रणनीतियों को Doob h-transform प्रोसेस रिवॉर्ड मॉडल द्वारा निर्देशित एक रिवॉर्ड-टिल्टेड पॉलिसी से बदलकर विभिन्न डोमेन में जनरेशन प्रदर्शन में सुधार करता है।
यह शोध पत्र AVES-DPO का प्रस्ताव करता है, जो एक स्व-सुधारित प्राथमिकता शिक्षण ढांचा (self-corrected preference learning framework) है जो एक सर्वसम्मति-आधारित सत्यापन तंत्र के माध्यम से इन-डिस्ट्रीब्यूशन प्राथमिकता युग्मों को उत्पन्न करके लार्ज विजन-लैंग्वेज मॉडल्स में मतिभ्रम (hallucinations) को कम करता है, जिससे प्रोप्रायटरी मॉडल्स पर निर्भरता के कारण होने वाले वितरण संबंधी बेमेल (distributional mismatch) को दूर किया जा सके।
यह शोध पत्र एक नैदानिक ढांचे (diagnostic framework) को प्रस्तुत करता है जो यह प्रकट करता है कि कई लार्ज ऑडियो-लैंग्वेज मॉडल्स वास्तविक श्रवण बोध के बजाय टेक्स्ट प्रायर्स (text priors) और स्थानीयकृत ऑडियो अंशों पर निर्भर करके उच्च बेंचमार्क स्कोर प्राप्त करते हैं, जो यह सुझाव देता है कि वर्तमान मूल्यांकन अक्सर वास्तविक ऑडियो समझ को मापने में विफल रहते हैं।
BandRouteNet एक अनुकूलन योग्य, पैरामीटर-कुशल न्यूरल नेटवर्क है जो EEG डिनोइजिंग (denoising) के लिए उपयोग किया जाता है, जो विविध आर्टिफैक्ट्स जैसे EOG और EMG को प्रभावी ढंग से हटाने के लिए एक फ्रीक्वेंसी-अवेयर रूटिंग मैकेनिज्म और एक फुल-बैंड कंडीशनर का उपयोग करता है।
यह शोध पत्र विभिन्न एक्सीलरेटरों के माध्यम से मॉडल-हार्डवेयर ट्रेड-ऑफ का व्यवस्थित रूप से मूल्यांकन करके, एक दो-चरणीय अनुमान बाधा (two-phase inference bottleneck) की पहचान करके, और न्यूनतम प्रदर्शन हानि के साथ दोनों GPU और एज NPU पर महत्वपूर्ण गति प्राप्त करने के लिए DP-Cache और V-AEFusion तकनीकों का प्रस्ताव देकर, संसाधन-सीमित रोबोटों पर विजन-लैंग्वेज-एक्शन (VLA) मॉडल तैनात करने की चुनौतियों का समाधान करता है।
यह शोध पत्र दो नए पैमानों, परसीव्ड कूपरेटिविटी स्केल (PCS) और टीमिंग परसेप्शन स्केल (TPS) को प्रस्तुत और मान्य करता है, जो तीन अनुभवजन्य अध्ययनों के माध्यम से विविध संदर्भों में मानव-एआई टीम वर्क की व्यक्तिपरक गुणवत्ता को प्रभावी ढंग से मापते हैं।
यह पूर्वव्यापी अध्ययन प्रदर्शित करता है कि एक एजेंटिक क्लिनिकल रीजनिंग सिस्टम, विशेषज्ञ सर्वसम्मति से मेल खाने के लिए मल्टीपल मायलोमा के अनुदैर्ध्य (लॉन्गीटुडिनल) रिकॉर्ड्स को संश्लेषित करने में मानक RAG और फुल-कॉन्टेक्स्ट दृष्टिकोणों से बेहतर प्रदर्शन करता है, विशेष रूप से जटिल मामलों में, हालांकि इसके अवशिष्ट त्रुटियों की उच्च गंभीरता नैदानिक तैनाती से पहले भावी सत्यापन (प्रोस्पेक्टिव वैलिडेशन) को आवश्यक बनाती है।