21236 पेपर
यह शोध पत्र STEB को प्रस्तुत करता है, जो स्टाइल टेक्स्ट एम्बेडिंग्स के मूल्यांकन को मानकीकृत करने के लिए 7 भाषाओं में 96 डेटासेट्स तक फैला एक व्यापक ओपन-सोर्स बेंचमार्क है, जो यह प्रकट करता है कि मौजूदा सिमेंटिक एम्बेडिंग्स स्टाइल संबंधी कार्यों में विफल रहते हैं और कोई भी एकल स्टाइल एम्बेडिंग सार्वभौमिक रूप से श्रेष्ठ नहीं है।
यह शोध पत्र FedXDS प्रस्तुत करता है, जो एक नवीन फेडरेटेड लर्निंग दृष्टिकोण है जो डेटा विषमता को कम करने के लिए स्पष्ट करने योग्य एआई (explainable AI) फीचर एट्रिब्यूशन का लाभ उठाता है और क्लाइंट्स के बीच कार्य-प्रासंगिक डेटा तत्वों की पहचान और चुनिकी रूप से साझा करता है, जिससे औपचारिक गोपनीयता गारंटी बनाए रखते हुए मौजूदा विधियों की तुलना में बेहतर सटीकता और अभिसरण (convergence) प्राप्त होता है।
यह शोधपत्र JL1-CC&QA प्रस्तुत करता है, जो एक मल्टी-टास्क बेंचमार्क है जो 5,000 जिलिन-1 (Jilin-1) उपग्रह छवि युग्मों से व्युत्पन्न 17,021 परिवर्तन विवरणों (change captions) और 20,060 प्रश्न-उत्तर युग्मों के साथ JL1-CD डेटासेट का विस्तार करता है, ताकि लैंड-कवर परिवर्तनों के सूक्ष्म विवरण और संवादात्मक पूछताछ को सक्षम बनाकर रिमोट सेंसिंग चेंज डिटेक्शन में सिमेंटिक गैप को पाटा जा सके।
यह शोध पत्र Evo-PI को प्रस्तुत करता है, जो एक सह-विकासवादी ढांचा (co-evolutionary framework) है जो स्थिर पर्यवेक्षण (static supervision) की सीमाओं को दूर करने के लिए भाषा-आधारित तर्क सिद्धांतों को गतिशील रूप से उत्पन्न और परिष्कृत करता है, जिससे चिकित्सा कार्यों में बड़े मल्टीमॉडल लैंग्वेज मॉडल्स की संरचित दृश्य-पाठ्य तर्क क्षमताओं को महत्वपूर्ण रूप से बढ़ाया जा सकता है।
यह शोध पत्र यह प्रदर्शित करता है कि मध्यम हार्डवेयर पर स्थानीय रूप से चलने वाले क्वांटाइज्ड (quantized), ओपन-वेट लैंग्वेज मॉडल्स, प्रोप्रायटरी APIs की सटीकता के बराबर या उससे अधिक हो सकते हैं, जो बड़े डेटाबेस अनुप्रयोगों के लिए लागत और विलंबता (latency) को नाटकीय रूप से कम करते हैं, और इस धारणा को चुनौती देते हैं कि प्रभावी LM-डेटाबेस एकीकरण के लिए क्लोज्ड-सोर्स मॉडल्स आवश्यक हैं।
यह शोध पत्र 'रिनफोर्समेंट लर्निंग विद वेरीफिएबल रिवार्ड्स' (RLVR) में 'लो-रैंक अडैप्टेशन' (LoRA) के लिए 'जियोमेट्री-प्रिजर्विंग ऑर्थोनॉर्मल इनिशियलाइजेशन' का प्रस्ताव करता है, जो सैद्धांतिक रूप से यह प्रदर्शित करता है कि यह दृष्टिकोण 'फुल फाइन-ट्यूनिंग' के अंतर को न्यूनतम करता है, प्रशिक्षण को स्थिर करता है, और गणितीय तर्क संबंधी बेंचमार्क पर PiSSA और MiLoRA जैसे मौजूदा वेरिएंट्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र RT-SFOD को प्रस्तुत करता है, जो YOLOv10 पर आधारित एक रियल-टाइम सोर्स-फ्री ऑब्जेक्ट डिटेक्शन फ्रेमवर्क है, जो एक नवीन ड्यूल-हेड स्यूडो-लेबल फ्यूजन रणनीति और मल्टी-स्केल एडेप्टिव रिप्रेजेंटेशन डाइवर्सिफिकेशन लॉस का उपयोग करके ड्यूल-हेड डिटेक्टर्स में वैनिला सेल्फ-ट्रेनिंग की सीमाओं को दूर करते हुए, मौजूदा तरीकों की तुलना में काफी अधिक थ्रूपुट और कम पैरामीटर्स के साथ स्टेट-ऑफ-द-आर्ट अडैप्टेशन सटीकता प्राप्त करता है।
यह शोध पत्र CRAFT का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो स्व-पर्यवेक्षित विफलता खोज (self-supervised failure discovery) का उपयोग करके एक 'कॉन्टेक्स्टुअल प्रेफरेंस इवैल्यूएटर' को प्रशिक्षित करता है, जो ऑटोरेग्रेसिव ट्रैफिक सिमुलेटर्स में स्थानीय-से-वैश्विक संदर्भ बेमेल (local-to-global context mismatch) को कम करता है और टेस्ट-टाइम डिकोडिंग को वैश्विक रूप से सुसंगत व्यवहारों की ओर निर्देशित करता है, जिससे बेस मॉडल को पुन: प्रशिक्षित किए बिना टकराव और यातायात नियमों के उल्लंघन को काफी हद तक कम किया जा सकता है।
Z-1 एक सुदृढीकरण शिक्षण (reinforcement learning) पोस्ट-ट्रेनिंग फ्रेमवर्क है जो सार्वजनिक रूप से उपलब्ध RoboCasa प्रदर्शनों पर ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन (GRPO) का लाभ उठाकर, बिना किसी अतिरिक्त निजी डेटा की आवश्यकता के, फ्लो-आधारित विजन-लैंग्वेज-एक्शन मॉडल्स के प्रदर्शन और सफलता दरों को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र मानक क्रिपके मॉडलों (Kripke models) पर सीधे परिभाषित एक नई तंत्र पद्धति को पेश करके विश्वास संकुचन (belief contraction) के मौजूदा गतिशील ज्ञानिक तर्क (dynamic epistemic logic) दृष्टिकोणों की सीमाओं को संबोधित करता है, जो हेज्ड घोषणाओं (hedged announcements) और निजी घटनाओं जैसे जटिल परिदृश्यों को समाहित करता है, साथ ही विशिष्ट और सामान्य दोनों तर्कों के लिए एक सुसंगत और पूर्ण अभिलेखन (axiomatization) प्रदान करता है।