21236 पेपर
यह शोध पत्र CEGARBox++ प्रस्तुत करता है, जो एक C++ कार्यान्वयन है जो CEGAR-tableaux में मोडल रेजोल्यूशन (KSP) को SAT-शॉर्टकट्स के रूप में एकीकृत करता है, जो विशेष रूप से बड़े सैटिस्फिएबल मोडल समस्याओं पर स्टैंडअलोन KSP और RECAR-उन्नत CEGAR-tableaux दोनों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र एक तुलनात्मक ज्ञानमीमांसीय तर्क ढांचा (comparative epistemic logic framework) प्रस्तुत करता है जो श्रेणीबद्ध स्पष्टीकरण संरचनाओं (graded explanation structures) और औचित्य-शैली के पद बीजगणितों (justification-style term algebras) के साथ बहु-एजेंट ज्ञानमीमांसीय मॉडलों को समृद्ध करके समझ के स्तरों और एजेंटों के बीच तुलना का मॉडलिंग करता है, जबकि अपने परिमित-स्तरीय खंडों (finite-level fragments) के लिए सुसंगतता (soundness), प्रबल पूर्णता (strong completeness) और निर्णयक्षमता (decidability) स्थापित करता है।
यह शोधपत्र TreeAgent को प्रस्तुत करता है, जो एक सामान्यीकरण योग्य मल्टी-एजेंट फ्रेमवर्क है जो विजन-लैंग्वेज मॉडल्स को संकलित विशेषज्ञ निर्णय नियमों के साथ जोड़ता है ताकि वानिकी रिमोट सेंसिंग में बायस लेबलिंग को स्वचालित और स्केल किया जा सके, जिससे व्याख्यात्मकता और सटीकता बनाए रखते हुए विशेषज्ञ एनोटेशन लागत में महत्वपूर्ण कमी आती है।
LUNA एक नवीन, LBS-मुक्त न्यूरल एनिमेशन मॉडल है जो विविध 2D इनपुट्स को सीधे फोटोयलिस्टिक 3D मानव एनिमेशन में मैप करने के लिए एक ट्रांसफार्मर-आधारित मोशन रिग्रेसर और हाइब्रिड सुपरविजन का लाभ उठाता है, जो स्पष्ट बॉडी फिटिंग पर निर्भर किए बिना विभिन्न पहचानों (identities) में ज़ीरो-शॉट जनरलाइजेशन प्राप्त करता है।
यह शोध पत्र MADreMIA को प्रस्तुत करता है, जो एक मॉडल-अज्ञेय (model-agnostic) ढांचा है जो विविध मोडैलिटीज के माध्यम से पुनरावृत्ति, श्रृंखलाबद्ध जनरेशन का लाभ उठाकर मेंबरशिप और डेटासेट इन्फरेंस हमलों को बढ़ाता है ताकि शैडो मॉडल प्रशिक्षण की आवश्यकता के बिना मेमोराइजेशन संकेतों को प्रवर्धित किया जा सके और पहचान संवेदनशीलता में सुधार किया जा सके।
यह शोध पत्र प्रकट करता है कि भाषा मॉडलों के लिए स्व-निर्मित प्रश्न-उत्तर पर्यवेक्षण (self-generated question-answer supervision) गैर-समान साक्ष्य चयन और निर्देश-अनुसरण पूर्वाग्रहों के कारण स्वाभाविक रूप से नाजुक है, लेकिन इन मुद्दों को निश्चित लक्ष्यों से प्रश्नों को जोड़ने और निर्देश-समान टेक्स्ट स्पैन को फ़िल्टर करके प्रभावी ढंग से कम किया जा सकता है।
यह शोध पत्र AxDafny प्रस्तुत करता है, जो एजेंटिक कोड जनरेशन के लिए एक विनियरिफायर-निर्देशित ढांचा है जो कार्यान्वयन और प्रमाणों को पुनरावृत्ति रूप से परिष्कृत करता है, और नए प्रस्तावित LCB-Pro-Dafny बेंचमार्क और मौजूदा DafnyBench पर अत्याधुनिक बेसलाइनों की तुलना में सत्यापन सफलता में महत्वपूर्ण सुधार प्रदर्शित करता है।
यह शोध पत्र TRIAGE का प्रस्ताव करता है, जो एजेंटिक सुदृढीकरण लर्निंग (reinforcement learning) के लिए एक रोल-टाइप्ड क्रेडिट असाइनमेंट फ्रेमवर्क है, जो एक्शन सेगमेंट को सिमेंटिक भूमिकाओं (जैसे, निर्णायक प्रगति, अन्वेषण, प्रतिगमन) में वर्गीकृत करके बाउंडेड प्रोसेस रिवॉर्ड्स लागू करता है ताकि मानक GRPO को बेहतर बनाया जा सके, जिससे परिणाम-मात्र (outcome-only) की कमियों को सुधारा जा सके और विविध बेंचमार्क पर सफलता दर और दक्षता में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र FLORA को प्रस्तुत करता है, जो एक ऑक्ट्री-आधारित बैकबोन और लेट-फ्यूजन गेटिंग मैकेनिज्म का लाभ उठाने वाला एक डीप लर्निंग फ्रेमवर्क है, जो फ्रांस के विषम, बहु-स्थितीय LiDAR डेटा से छह प्रमुख वन विशेषताओं की मजबूती से भविष्यवाणी करने के लिए उच्च सटीकता और मौजूदा मॉडलों की तुलना में बेहतर क्रॉस-सीजन प्रदर्शन प्राप्त करता है।
adaJEPA एक एडेप्टिव लेटेंट वर्ल्ड मॉडल है जो मॉडल प्रेडिक्टिव कंट्रोल लूप के भीतर टेस्ट-टाइम सेल्फ-सुपरवाइज्ड अडैप्टेशन को निष्पादित करके, प्रेक्षित स्टेट ट्रांजिशन का उपयोग करते हुए अतिरिक्त एक्सपर्ट डेमोंस्ट्रेशन की आवश्यकता के बिना मॉडल को निरंतर पुन: कैलिब्रेट करके, डिस्ट्रीब्यूशन शिफ्ट के तहत प्लानिंग रोबस्टनेस को बढ़ाता है।