19742 पेपर
यह शोध पत्र VideoSEMA को प्रस्तुत करता है, जो एक स्केलेबल और कुशल वीडियो वर्गीकरण मॉडल है जो सॉफ्टमैक्स टेम्पोरल अटेंशन के साथ एक मांबा-जैसे (Mamba-like) स्प्लिट स्पेस-टाइम अटेंशन मैकेनिज्म को जोड़ता है, जो K400 और SSv2 बेंचमार्क पर मौजूदा विजन ट्रांसफॉर्मर और मांबा मॉडलों की तुलना में बेहतर सटीकता और रिज़ॉल्यूशन मजबूती प्रदर्शित करता है।
यह शोध पत्र एक ओपन-सोर्स MATLAB फ्रेमवर्क और एक विविध FAIR-अनुपालन डेटासेट प्रस्तुत करता है, जो सॉफ्ट प्लश साथियों (soft plush companions) पर सीधे वास्तविक समय में, गोपनीयता-संरक्षित भावनात्मक स्पर्श वर्गीकरण को सक्षम करने के लिए, ह्यूरिस्टिक फ़िल्टरिंग (heuristic filtering) को एक कॉम्पैक्ट 1D CNN के साथ संयोजित करने वाले एक हल्के, हाइब्रिड इन्फरेंस पाइपलाइन को मान्य करता है।
यह शोध पत्र प्रदर्शित करता है कि बड़े भाषा मॉडल मानव आधार रेखाओं की तुलना में एक प्रतिबंधित वितरण की ओर अभिसरित होने वाले स्थिर, सुसंगत और क्रॉस-डोमेन जोखिम दृष्टिकोण प्रदर्शित करते हैं, जो जोखिम दृष्टिकोण को एआई व्यवहार के एक पूर्व में अनिरूपित लेकिन मापने योग्य आयाम के रूप में प्रकट करता है।
यह शोध पत्र PlanFlip प्रस्तुत करता है, जो एक ऐसा ढांचा है जो यह प्रदर्शित करता है कि योजना-चरण (planning-phase) के प्रॉम्प्ट इंजेक्शन हमले मल्टी-एजेंट एलएलएम (LLM) प्रणालियों के माध्यम से सभी डाउनस्ट्रीम कार्यों को दूषित करने के लिए कैस्केड हो सकते हैं, जिससे यह उजागर होता है कि मजबूत या समरूप (homogeneous) मॉडल विशिष्ट रूप से असुरक्षित हैं जबकि प्रभावी रक्षा के लिए विषम (heterogeneous) मॉडल विविधता आवश्यक है।
यह शोध पत्र जेनेरेटिव ऑन्टोलॉजी इंडक्शन (GOI) को प्रस्तुत करता है, जो एक डोमेन-अज्ञेय (domain-agnostic) ढांचा है जो दस्तावेज़ों के संग्रह से स्वचालित रूप से संरचित, प्रकारित ग्राफ ऑन्टोलॉजी को प्रेरित करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, और विविध एवं अपरिचित डोमेन में जेनेरिक टेम्प्लेट की तुलना में बेहतर संरचनात्मक कवरेज प्रदर्शित करता है।
यह शोध पत्र यह प्रदर्शित करता है कि संरचित बेंचमार्किंग और पैरामीटर-कुशल फाइन-ट्यूनिंग के माध्यम से, छोटे ओपन-वेट लैंग्वेज मॉडल्स (3B पैरामीटर्स से कम) को संरचित, विशिष्ट वर्कलोड के लिए सक्षम स्थानीय विशेषज्ञों में प्रभावी ढंग से विशेष किया जा सकता है, जिससे वास्तविक हार्डवेयर और गवर्नेंस बाधाओं के तहत एआई लोकतंत्रीकरण को आगे बढ़ाया जा सकता है।
यह शोध पत्र मास्कड डिफ्यूजन लैंग्वेज मॉडल्स (MDLMs) को एजेंटिक सुदृढीकरण शिक्षण (reinforcement learning) के लिए श्रेष्ठ, स्टीयरेबल टेक्स्ट-आधारित वर्ल्ड मॉडल्स के रूप में प्रस्तुत करता है जो बड़े LLMs की तुलना में काफी अधिक रोलआउट विविधता और ज़ीरो-शॉट ट्रांसफर प्रदर्शन प्राप्त करने के लिए ऑटोरेग्रेसिव पूर्वाग्रहों को दूर करते हैं, जिसे एक बड़े पैमाने के डेटासेट और एक नवीन GRPO प्रशिक्षण ढांचे द्वारा समर्थित किया गया है।
यह शोध पत्र JUMP को प्रस्तुत करता है, जो फाइन-ट्यून किए गए डिस्क्रीट डिफ्यूजन लैंग्वेज मॉडल्स के लिए एक सिंगल-पास मेंबरशिप इन्फरेंस अटैक है, जो उनकी एनी-ऑर्डर और पैरेलल डिकोडेबिलिटी का लाभ उठाकर लो-कॉन्फिडेंस पोजीशंस को चुनने और उन्हें संयुक्त रूप से स्कोर करने के लिए डिज़ाइन किया गया है, जो सटीकता और दक्षता में पूर्ववर्ती SAMA पद्धति से काफी बेहतर प्रदर्शन करता है।
यह शोधपत्र ColGraphRAG का प्रस्ताव करता है, जो एक मल्टीमॉडल GraphRAG फ्रेमवर्क है जो सिंगल-वेक्टर विजुअल रिट्रीवल को लेट-इंटरेक्शन मल्टी-वेक्टर स्कोरिंग (ColBERT/ColPali शैली) से बदलकर प्रश्नोत्तर सटीकता को बढ़ाता है ताकि ग्राफ-लिंक्ड छवियों में फाइन-ग्रैन्ड पैच और टोकन-स्तरीय संरचनाओं को बेहतर ढंग से संरक्षित किया जा सके, जो मूल ग्राफ निर्माण और रीजनिंग पाइपलाइन को बनाए रखते हुए विजुअल-हैवी क्वेरीज पर महत्वपूर्ण सुधार प्रदर्शित करता है।
यह शोध पत्र शैपली कॉन्टेक्स्ट प्रूनिंग (SCP) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) सिस्टम में संदर्भ को कुशलतापूर्वक पुनर्व्यवस्थित और छंटनी करने के लिए सहकारी गेम थ्योरी और डीप सेट्स आर्किटेक्चर को लागू करता है, जो एक गणितीय रूप से कठोर, स्केलेबल और व्याख्यात्मक दृष्टिकोण प्रदान करता है जो प्रतिस्पर्धी डाउनस्ट्रीम QA प्रदर्शन प्राप्त करता है।