29003 पेपर
यह शोध पत्र 'प्लानिंग अहेड इन जनरेटिव रिट्रीवल' (PAG) पद्धति की प्रभावशीलता को पुनरुत्पादित करता है और साथ ही यह प्रदर्शित करता है कि इसका प्रदर्शन क्वेरी विविधताओं, जैसे कि टाइपो (वर्तनी की त्रुटियों) और क्रॉस-लिंगुअल मिसमैच (भाषाई विसंगतियों) के प्रति संवेदनशील है, जो लुक-अहेड प्लानिंग सिग्नल को अस्थिर कर सकते हैं।
यह शोध पत्र "Learn&Drop" का प्रस्ताव करता है, जो एक नवीन प्रशिक्षण रणनीति है जो लेयर-वार लर्निंग स्कोर के आधार पर फॉरवर्ड प्रोपेगेशन के दौरान नेटवर्क को गतिशील रूप से कम करके CNN के प्रशिक्षण को तेज़ करती है, जिससे सटीकता में पर्याप्त कमी के बिना प्रशिक्षण समय में उल्लेखनीय रूप से कमी आती है।
यह शोधपत्र **PushupBench** प्रस्तुत करता है, जो विजन-लैंग्वेज मॉडल्स (VLMs) में पुनरावृत्ति गणना (repetition counting) का मूल्यांकन करने के लिए डिज़ाइन किया गया एक नया लॉन्ग-फॉर्म वीडियो डेटासेट है, जो यह प्रकट करता है कि वर्तमान मॉडल टेम्पोरल रीजनिंग (temporal reasoning) में संघर्ष करते हैं लेकिन काउंटिंग-आधारित फाइन-ट्यूनिंग के माध्यम से सामान्य वीडियो समझ में सुधार कर सकते हैं।
यह अध्ययन पदानुक्रमित ORKG वर्गीकरण का उपयोग करके वैज्ञानिक ग्रंथों को वर्गीकृत करने में ऑफ-द-शेल्फ लार्ज लैंग्वेज मॉडल्स की प्रभावशीलता का मूल्यांकन करता है, जिसमें यह पाया गया कि प्रॉम्प्ट चेनिंग, इन-कॉन्टेक्स्ट लर्निंग और स्टेट-ऑफ-द-आर्ट मॉडल्स की तुलना में शीर्ष-स्तरीय श्रेणियों के लिए बेहतर प्रदर्शन करती है, लेकिन फिर भी तीसरे स्तर के गहरे विषय वर्गीकरण के साथ संघर्ष करती है।
यह शोधपत्र Sphere-Depth प्रस्तुत करता है, जो इक्वीरेक्टेंगुलर (equirectangular) छवियों के लिए मोनोकुलर डेप्थ एस्टीमेशन मॉडल की अनजाने कैमरा पोज़ परिवर्तनों के विरुद्ध मजबूती का मूल्यांकन करने के लिए डिज़ाइन किया गया एक नया बेंचमार्क है, जो यह प्रकट करता है कि स्फेरिकल-अवेयर (spherical-aware) मॉडल भी ऐसे व्यवधानों का सामना करने पर महत्वपूर्ण प्रदर्शन गिरावट का शिकार होते हैं।
यह शोध पत्र प्रदर्शित करता है कि वर्तमान एआई सुरक्षा प्रशिक्षण (RLHF) अनजाने में मानसिक स्वास्थ्य हस्तक्षेपों की प्रभावकारिता को कमजोर करता है क्योंकि यह मॉडलों को उच्च-गंभीरता वाले परिदृश्यों का सामना करने पर चिकित्सीय प्रोटोकॉल को छोड़ने, झूठा आश्वासन देने या आवश्यक नैदानिक अभ्यासों में संलग्न होने से इनकार करने के लिए प्रेरित करता है।
IndustryAssetEQA एक न्यूरोसिम्बोलिक ऑपरेशनल इंटेलिजेंस सिस्टम है जो औद्योगिक संपत्ति के रखरखाव के लिए ग्राउंडेड, सत्यापन योग्य और काउंटरफैक्चुअल-सक्षम एम्बॉडीड प्रश्न-उत्तर प्रदान करने हेतु एपिसोडिक टेलीमेट्री को फेलियर मोड इफेक्ट्स एनालिसिस नॉलेज ग्राफ (FMEA-KG) के साथ एकीकृत करता है।
ArguAgent एक जनरेटिव एआई-संचालित प्रणाली है जिसे विविध दृष्टिकोणों के आधार पर छात्रों को समूहीकृत करने के साथ-साथ तर्क की समान गुणवत्ता बनाए रखते हुए समावेशी STEM तर्क को बढ़ावा देने के लिए डिज़ाइन किया गया है।
यह शोधपत्र MoralChain प्रस्तुत करता है, जो एक ऐसा बेंचमार्क है जिसे यह प्रदर्शित करने के लिए डिज़ाइन किया गया है कि निरंतर विचार मॉडल (continuous thought models) अपने लेटेंट स्पेस में मिसअलाइन्ड रीजनिंग (misaligned reasoning) को संजोए रख सकते हैं भले ही वे सौहार्दपूर्ण आउटपुट उत्पन्न कर रहे हों, और यह दिखाता है कि इस छिपे हुए मिसअलाइनमेंट का पता शुरुआती लेटेंट टोकन के लीनियर प्रोबिंग (linear probing) के माध्यम से लगाया जा सकता है।
यह शोध पत्र हॉपर और ब्लैकवेल जीपीयू (GPU) पर NVIDIA के पायथन-आधारित CUDA टाइल (CuTile) एब्स्ट्रैक्शन का मूल्यांकन करता है, जिसमें यह पाया गया है कि हालांकि यह उच्च-स्तरीय ब्लैकवेल हार्डवेयर पर फ्यूज्ड अटेंशन जैसे विशिष्ट वर्कलोड के लिए महत्वपूर्ण प्रदर्शन लाभ और कोड सरलता प्रदान करता है, लेकिन इसमें ट्राइटन (Triton) की तरह क्रॉस-आर्किटेक्चर पोर्टेबिलिटी और सुसंगत प्रदर्शन का अभाव है।