20571 पेपर
यह शोध पत्र प्रदर्शित करता है कि फेडरेटेड लर्निंग (Federated Learning) वितरित ड्रोन बेड़े को स्थानीय डेटा पर उच्च-प्रदर्शन वाले, गोपनीयता-संरक्षित ऑब्जेक्ट डिटेक्शन मॉडल को सहयोगात्मक रूप से प्रशिक्षित करने में सक्षम बनाता है, जो डेटा केंद्रीकरण की आवश्यकता के बिना, एकल-ड्रोन दृष्टिकोणों की तुलना में काफी बेहतर प्रदर्शन करते हुए केंद्रीकृत प्रशिक्षण के करीब प्रदर्शन प्राप्त करता है।
यह शोध पत्र एक जनरेटर-अज्ञेय पोस्ट-जनरेशन क्यूरेशन पद्धति प्रस्तुत करता है जो वास्तविक वर्गों को कैनोनिकल और गैर-अतिरेक उपसमूहों में विभाजित करके सिंथेटिक छवियों की उपयोगिता में सुधार करती है ताकि एक विविध, उच्च-निष्ठा वाले उपसमूह का चयन किया जा सके जो आधुनिक जनरेटर्स के संरचनात्मक पूर्वाग्रह का मुकाबला करता है, जिससे 40% तक कम नमूनों के साथ वास्तविक डेटा के तुलनीय प्रदर्शन प्राप्त होता है।
यह शोध पत्र मेट्रोनोम (Metronome) का परिचय देता है, जो निरंतर भार के तहत वास्तविक समय की इंटरैक्शन मॉडल सर्विंग के मेटास्टेबल पतन (metastable collapse) को रोकने के लिए प्रत्येक सत्र के KV कैश को सीमित करता है ताकि स्थिरता सुनिश्चित की जा सके, सटीक विलंबता अवलोकन (latency observability) को बहाल किया जा सके, और प्रभावी ऑनलाइन प्रवेश नियंत्रण (admission control) को सक्षम बनाया जा सके।
यह शोध पत्र K9-Bench प्रस्तुत करता है, जो 907 घरेलू कुत्तों के वीडियो से प्राप्त लगभग 5,000 प्रश्न-उत्तर युग्मों वाला एक नवीन बेंचमार्क है, जो एक स्केलेबल और पूर्वाग्रह-मुक्त डेटा जनरेशन पाइपलाइन का उपयोग करता है ताकि यह प्रकट किया जा सके कि वर्तमान मल्टीमॉडल LLMs जटिल कैनिन (canine) क्रियाओं और अंतःक्रियाओं को समझने के लिए आवश्यक सूक्ष्म-स्तरीय (fine-grained) और दीर्घकालिक (long-horizon) तर्क करने में संघर्ष करते हैं।
यह शोध पत्र ASK+ प्रस्तुत करता है, जो एक ऐसा ढांचा है जो अप्रभावी नग्न प्रॉम्प्ट्स (bare prompts) को प्रक्षेपवक्र-जागरूक संदर्भ (trajectory-aware context) और चेन-ऑफ-थॉट रीजनिंग से बदलकर आंशिक रूप से दृश्य वातावरण (partially observable environments) में सुदृढीकरण सीखने (reinforcement learning) वाले एजेंटों को बेहतर बनाता है, जिससे छोटे भाषा मॉडलों को अर्थपूर्ण, अनिश्चितता-गेटेड मार्गदर्शन प्रदान करने में सक्षम बनाया जा सके जो वैनिला दृष्टिकोणों की तुलना में काफी बेहतर प्रदर्शन करता है और बड़े मॉडलों की आवश्यकता के बिना कुशलतापूर्वक स्केल होता है।
यह शोधपत्र S-EMBER को प्रस्तुत करता है, जो स्मार्ट-ग्लासेस के 388 घंटों के फुटेज का एक बड़े पैमाने का बेंचमार्क है जिसे एआई एजेंटों की कारण संबंधी (causal), स्ट्रीमिंग एपिसोडिक मेमोरी रिट्रीवल करने की क्षमता का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि जबकि सिमेंटिक रीजनिंग मॉडल के आकार के साथ बढ़ती है, सटीक टेम्पोरल ग्राउंडिंग एक निरंतर आर्किटेक्चरल बाधा बनी हुई है।
यह शोध पत्र REDI को प्रस्तुत करता है, जो एक ओपन-सोर्स, एजेंट-नेटिव फ्रेमवर्क है जो जलवायु और पदार्थ विज्ञान जैसे विविध डोमेन में बड़े पैमाने के वैज्ञानिक डेटासेट को पुनरुत्पादनीय, AI-रेडी संपत्तियों में बदलने के लिए स्वचालित डेटा रूपांतरण, तत्परता मूल्यांकन और प्रोवेनेंस ट्रैकिंग को एकीकृत करता है।
यह शोध पत्र लैग्रेंजियन रिवॉर्ड ऑग्मेंटेशन (LARA) का प्रस्ताव करता है, जो एक सामान्य इन्फरेंस-टाइम अलाइनमेंट फ्रेमवर्क है जो सुरक्षा बाधाओं को लागू करने के लिए एक ड्यूल वेरिएबल के माध्यम से संवर्धित रिवॉर्ड सिग्नल को गतिशील रूप से कैलिब्रेट करता है ताकि बिना रिट्रेनिंग के हेल्पफुलनेस-हारmlessness ट्रेडऑफ में सुधार किया जा सके और फाइनट्यूनिंग-आधारित विधियों के प्रदर्शन के करीब पहुँचा जा सके।
यह अध्ययन एक स्केलेबल, LLM-आधारित दृष्टिकोण प्रस्तावित करता है जो डिफ्स (diffs) के भीतर उच्च-जोखिम वाले कोड अनुभागों को हाइलाइट करने के लिए अटेंशन वेट्स (attention weights) का लाभ उठाता है, जो सफलतापूर्वक विशेषज्ञ-लेबल वाले आउटेज-कारण बनने वाली लाइनों के 53.85% को कवर करता है जबकि डेवलपर्स को औसतन केवल 26.28% बदली गई लाइनों की समीक्षा करने की आवश्यकता होती है।
यह शोध पत्र BDLM Mamba-H को प्रस्तुत करता है, जो एक हाइब्रिड डिफ्यूजन लैंग्वेज मॉडल है जो सटीक कैशिंग (exact caching) को सक्षम करने के लिए सक्रिय डिनोइजिंग ब्लॉक्स (active denoising blocks) तक द्विदिश मम्बा स्कैनिंग (bidirectional Mamba scanning) को सीमित करता है, जिससे मौजूदा फुल-सीक्वेंस और अटेंशन-आधारित डिफ्यूजन बेसलाइनों की तुलना में बेहतर परप्लेक्सिटी (perplexity) और काफी अधिक लॉन्ग-कॉन्टेक्स्ट इन्फरेंस थ्रूपुट प्राप्त होता है।