21065 पेपर
JADAI एक एंड-टू-एंड प्रशिक्षित फ्रेमवर्क है जो सूचना लाभ को अधिकतम करने और पैरामीटर अनुमान कार्यों में बेहतर प्रदर्शन प्राप्त करने के लिए डिफ्यूजन-आधारित पोस्टीरियर एस्टिमेटर्स का उपयोग करके बेयसियन एडेप्टिव डिज़ाइन और इन्फरेंस को संयुक्त रूप से एमोर्टाइज़ करता है।
यह शोध पत्र 'टाइम-ऑफ-यूज़' ऊर्जा टैरिफ और मशीन अवस्थाओं के साथ 'रिसोर्स-कंस्ट्रेंड प्रोजेक्ट शेड्यूलिंग प्रॉब्लम' को संबोधित करने के लिए एक 'लॉजिक-बेस्ड बेंडर्स डिकंपोजिशन' दृष्टिकोण प्रस्तावित करता है जो मेक्सपैन (makespan) और ऊर्जा लागतों को कम करने में मोनोलिथिक विधियों की तुलना में काफी बेहतर प्रदर्शन करता है, साथ ही अन्य जटिल शेड्यूलिंग समस्याओं के लिए इसकी सामान्यीकरण क्षमता को भी प्रदर्शित करता है।
ARCQuant एक नवीन फ्रेमवर्क है जो संवर्धित अवशिष्ट चैनलों (augmented residual channels) के माध्यम से NVFP4 क्वांटाइजेशन को बढ़ाकर लार्ज लैंग्वेज मॉडल्स के लिए अत्याधुनिक सटीकता और महत्वपूर्ण इन्फरेंस स्पीडअप प्राप्त करता है, जो हार्डवेयर-एकीकृत परिशुद्धता बनाए रखते हुए और मानक GEMM कर्नेल का उपयोग करते हुए क्वांटाइजेशन त्रुटियों की प्रभावी ढंग से क्षतिपूर्ति करता है।
यह शोधपत्र Motive को प्रस्तुत करता है, जो एक स्केलेबल, मोशन-केंद्रित डेटा एट्रिब्यूशन फ्रेमवर्क है जो उच्च-प्रभाव वाले प्रशिक्षण क्लिप्स की पहचान करने के लिए टेम्पोरल डायनेमिक्स को अलग करता है, जिससे वीडियो जनरेशन मॉडल्स में मोशन स्मूथनेस और फिजिकल प्लाउज़िबिलिटी में महत्वपूर्ण सुधार करने वाला डेटा क्यूरेशन सक्षम होता है।
यह शोध पत्र यह प्रदर्शित करता है कि ग्राफ न्यूरल नेटवर्क, यूक्लिडियन ट्रैवलिंग सेल्समैन प्रॉब्लम के लिए तेज़, सीखे हुए ह्यूरिस्टिक्स (heuristics) के रूप में कार्य कर सकते हैं, जो एकल फॉरवर्ड पास में पूर्ण टूर उत्पन्न करने के लिए अनसुपरवाइज्ड ट्रेनिंग का उपयोग करते हैं, और बिना लेबल, रिवॉर्ड या अनुक्रमिक डिकोडिंग पर निर्भर हुए पारंपरिक ग्रीडी बेसलाइन से बेहतर प्रदर्शन करते हैं।
यह शोध पत्र मेमोरी, टूल लर्निंग और प्लानिंग में हालिया प्रगति की समीक्षा करके, पारेटो फ्रंटियर (Pareto frontier) परिप्रेक्ष्य के माध्यम से प्रभावशीलता और लागत के बीच के समझौते को अभिलक्षणित करते हुए, और मूल्यांकन प्रोटोकॉल, मेट्रिक्स, चुनौतियों एवं भविष्य की दिशाओं का सारांश प्रस्तुत करते हुए, एजेंटिक सिस्टम (agentic systems) की अक्सर अनदेखी की जाने वाली दक्षता की जांच करता है।
स्व-रिपोर्टों को कई मॉडल परिवारों के आंतरिक सक्रियणों (internal activations) पर प्रशिक्षित क्लासिफायर के साथ संयोजित करके, यह अध्ययन इस बात का कोई विश्वसनीय प्रमाण नहीं पाता है कि छोटे से मध्यम आकार के भाषा मॉडलों में अपनी चेतना के प्रति अंतर्निहित विश्वास है, क्योंकि वे लगातार और सत्यनिष्ठा से स्वयं के सचेत होने से इनकार करते हैं।
यह शोध पत्र BoRP को प्रस्तुत करता है, जो एक स्केलेबल फ्रेमवर्क है जो मानव निर्णयों के साथ संरेखण में जनरेटिव बेसलाइन्स से बेहतर, उच्च-सटीक और लागत प्रभावी उपयोगकर्ता संतुष्टि स्कोर उत्पन्न करने के लिए LLM लेटेंट स्पेस ज्योमेट्री और पार्शियल लीस्ट स्क्वायर्स रिग्रेशन का लाभ उठाता है।
MetricAnything एक स्केलेबल प्रीट्रेनिंग फ्रेमवर्क पेश करता है जो 2 करोड़ शोर वाले, विषम (heterogeneous) 3D स्रोतों से मेट्रिक डेप्थ सीखने के लिए एक नवीन "स्पार्स मेट्रिक प्रॉम्प्ट" का लाभ उठाता है, जो मेट्रिक डेप्थ में पहला स्पष्ट स्केलिंग ट्रेंड स्थापित करता है और मोनोक्यूलर एस्टीमेशन, 3D रिकंस्ट्रक्शन और मल्टीमॉडल मॉडल्स में स्थानिक बुद्धिमत्ता (spatial intelligence) सहित विविध कार्यों में अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र एक रैंडम मैट्रिक्स थ्योरी फ्रेमवर्क का उपयोग करके यह प्रदर्शित करता है कि गैर-अतिव्यापी (non-overlapping) डेटा स्प्लिट्स के बीच डिफ्यूजन मॉडल्स की निरंतरता साझा गॉसियन सांख्यिकी (Gaussian statistics) से उत्पन्न होती है, जो यह प्रकट करता है कि कैसे सीमित डेटासेट का आकार और स्पेक्ट्रल गुण उत्पन्न नमूनों के प्रत्याशा (expectation) और विचरण (variance) को व्यवस्थित रूप से आकार देते हैं।