28860 पेपर
यह शोध पत्र GAIR का प्रस्ताव करता है, जो एक नवीन स्थान-जागरूक (location-aware) स्व-पर्यवेक्षित शिक्षण ढांचा है जो निरंतर, उच्च-रिज़ॉल्यूशन वाले भू-स्थानिक निरूपण उत्पन्न करने के लिए न्यूरल इम्प्लिसिट लोकल इंटरपोलेशन के साथ विज़न ट्रांसफॉर्मर्स का विस्तार करता है, जिससे मौजूदा फाउंडेशन मॉडलों की तुलना में विविध भू-स्थानिक कार्यों में बेहतर प्रदर्शन सक्षम होता है।
यह शोध पत्र एक भारित मॉडल-आधारित ज्ञानमीमांसीय तर्क (एपिस्टेमिक लॉजिक) ढांचे को प्रस्तुत करता है जो ज्ञान प्राप्ति को 'अपस्किलिंग' और विस्मृति को 'डाउनस्किलिंग' के रूप में गतिशील रूप से मॉडल करने के लिए एक "ज्ञान संबंधी कौशल" (एपिस्टेमिक स्किल्स) मीट्रिक का उपयोग करता है, साथ ही समूह ज्ञान, बोधगम्यता, विस्मृति और प्रणाली की गणनात्मक जटिलता का भी विश्लेषण करता है।
यह शोध पत्र OMAC को प्रस्तुत करता है, जो एक सामान्य ढांचा है जो पांच प्रमुख आयामों की पहचान करके और एकल एवं संयुक्त अनुकूलन दोनों के लिए विशिष्ट एल्गोरिदम का उपयोग करके लार्ज लैंग्वेज मॉडल-आधारित मल्टी-एजेंट सिस्टम को समग्र रूप से अनुकूलित करता है, जिससे कोड जनरेशन और रीजनिंग जैसे जटिल कार्यों में अत्याधुनिक दृष्टिकोणों की तुलना में बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र CASS को प्रस्तुत करता है, जो क्रॉस-आर्किटेक्चर GPU कोड ट्रांसपाइलेशन (CUDA से HIP और SASS से RDNA3) के लिए पहला डेटासेट और मॉडल सुइट है, जो अत्याधुनिक अनुवाद सटीकता और प्रदर्शन संरक्षण प्राप्त करता है और GPT-5.1 एवं Hipify जैसे वाणिज्यिक बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र मल्टी-रेज़ोल्यूशन स्किल्स (MRS) को प्रस्तुत करता है, जो एक पदानुक्रमित सुदृढीकरण शिक्षण (hierarchical reinforcement learning) ढांचा है जो निश्चित टेम्पोरल होराइजन्स वाले कई लक्ष्य-अनुमान मॉड्यूल में से गतिशील रूप से चयन करने के लिए एक मेटा-कंट्रोलर का उपयोग करता है, जिससे विशिष्ट अवस्थाओं और कार्यों के अनुसार सबगोल दूरियों को अनुकूलित करके दीर्घ-क्षितिज वाले कार्यों में चपलता-प्रदर्शन अंतराल को हल किया जाता है।
यह शोध पत्र स्टेटफुल डिफेन्सेस (BSD) पाइपलाइन को पेश करता है जो खतरनाक कार्यों को प्रतीत होने वाले सौम्य प्रश्नों में विभाजित करके सुरक्षा फिल्टरों को बायपास करने वाले गुप्त प्रतिकूल हमलों का मूल्यांकन और शमन करता है, यह प्रदर्शित करते हुए कि स्टेटफुल डिफेन्सेस ऐसे दुरुपयोग के विरुद्ध एक प्रभावी जवाबी उपाय हैं।
SEAT एक स्पार्स (sparse), अलाइनमेंट-फ्री फाइन-ट्यूनिंग विधि है जो बड़े भाषा मॉडलों को नई जानकारी के अनुकूल प्रभावी ढंग से अनुकूलित करती है और साथ ही अज्ञात प्रश्नों का उत्तर देने से बचने की उनकी महत्वपूर्ण क्षमता को भी सुरक्षित रखती है, जिससे उच्च-जोखिम वाले परिवेशों में मतिभ्रम (hallucinations) को रोका जा सके।
OmniGen2 एक ओपन-सोर्स, इंस्ट्रक्शन-अलाइन्ड मल्टीमॉडल जनरेशन मॉडल है जो टेक्स्ट-टू-इमेज, इमेज एडिटिंग और सब्जेक्ट-ड्रिवन इन-कॉन्टेक्स्ट जनरेशन कार्यों में मौजूदा टेक्स्ट क्षमताओं को बनाए रखते हुए अत्याधुनिक प्रदर्शन प्राप्त करने के लिए डिकपल्ड पैरामीटर्स के साथ एक डुअल-पाथवे आर्किटेक्चर का उपयोग करता है।
यह शोध पत्र जनरल गेम प्लेइंग में प्रत्येक सब-टास्क के लिए सर्वश्रेष्ठ प्रदर्शन करने वाले एल्गोरिदम की सटीक पहचान करने के लिए मल्टी-आर्म्ड बैंडिट्स पर आधारित एक कुशल, आशावादी चयन प्रक्रिया प्रस्तावित करता है, जो GVGAI और Ludii फ्रेमवर्क पर मौजूदा विधियों की तुलना में सिंपल रिग्रेट और एरर प्रोबेबिलिटी में महत्वपूर्ण सुधार प्रदर्शित करता है।
यह शोध पत्र CLCFinder और एक नए डेटासेट को प्रस्तुत करता है यह प्रदर्शित करने के लिए कि प्री-ट्रेंड कोड लैंग्वेज मॉडल्स, विशेष रूप से UniXcoder-base जैसे छोटे मॉडल्स को फाइन-ट्यून करना, क्रॉस-लैंग्वेज बग्स का पता लगाने में महत्वपूर्ण सुधार करता है, जो एक ऐसा कार्य है जहाँ सिंगल-लैंग्वेज बग डिटेक्टर्स और बड़े मॉडल्स अक्सर खराब प्रदर्शन करते हैं।