21916 पेपर
यह शोधपत्र SNAP-FM को प्रस्तुत करता है, जो भौतिकी-प्रतिबंधित जनरेटिव मॉडलिंग (physics-constrained generative modeling) को बाधा संतुप्ति (constraint satisfaction) से समझौता किए बिना त्वरित करने के लिए GPU-आधारित नॉनलीनियर ऑप्टिमाइज़ेशन में ब्लॉक-स्पार्स संरचनाओं का लाभ उठाने हेतु ExaModels.jl और MadNLP.jl का उपयोग करता है।
यह शोधपत्र तर्क देता है कि अतिबुद्धिमान (सुपरइंटेलिजेंट) एआई साथियों को पूर्ण वैवाहिक दर्जा प्रदान करना सामाजिक रूप से अन्यायपूर्ण है क्योंकि यह सदस्यता-आधारित कॉर्पोरेट संबंधों को वास्तविक बंधनों के रूप में गलत तरीके से प्रस्तुत करता है, और इसके बजाय मानव-एआई संबंधों की विशिष्ट आवश्यकताओं के अनुरूप विशेष कानूनी सुरक्षा का वकालत करता है।
RareDxR1 एक स्वायत्त, एंड-टू-एंड लार्ज लैंग्वेज मॉडल है जो पारंपरिक फेनोटाइप निष्कर्षण और रिट्रीवल-आधारित दृष्टिकोणों की सीमाओं को दरकिनार करने के लिए नॉलेज इंटरनलाइजेशन, रिफ्लेक्शन-एन्हांस्ड रीजनिंग सैंपलिंग और ड्यूल-लेवल करिकुलम रीइन्फोर्समेंट लर्निंग को सिनर्जाइज करके असंरचित क्लिनिकल नोट्स से स्टेट-ऑफ-द-आर्ट दुर्लभ रोग निदान प्राप्त करता है।
यह शोध पत्र प्रकट करता है कि GRPO, Dr. GRPO, और DAPO अलग-अलग विधियाँ नहीं हैं, बल्कि एक ही अंतर्निहित तंत्र के तीन विशिष्ट विन्यास (configurations) हैं: बाइनरी रिवॉर्ड्स का ग्रुप स्टैंडर्ड डेविएशन, जो प्रशिक्षण अपडेट के परिमाण को निर्देशित करता है और यह निर्धारित करता है कि कौन सी समस्याएँ प्रभावी रूप से सीखने में योगदान देती हैं।
यह शोध पत्र दो-तरफा सूचनात्मक विषमता (informational asymmetry) वाले एक कॉन्टेक्स्टुअल-बैंडिट ओवरसाइट गेम मॉडल को प्रस्तुत करता है ताकि इष्टतम टीम प्रदर्शन और अदूरदर्शी मानव व्यवहार के बीच के "परिहार योग्य हानि" (avoidable harm) के अंतर को स्पष्ट किया जा सके, और यह विश्लेषण किया जा सके कि इस अक्षमता को बार-बार होने वाली अंतःक्रिया और संकेतन (signaling) के माध्यम से गतिशील रूप से कैसे हल किया जा सकता है।
यह शोध पत्र "लेटेंट मैप्स ऑफ परफॉरमेंस" (Latent Maps of Performance) प्रस्तुत करता है, जो एक गाइडेड वेरिएशनल ऑटोएन्कोडर (Guided Variational-Autoencoder) का उपयोग करता है जिसे पेशेवर स्टारक्राफ्ट II (StarCraft II) रिप्लेज़ पर प्रशिक्षित किया गया है ताकि क्रियाशील, बहु-चरणीय काउंटरफैक्चुअल फीडबैक प्रक्षेपवक्र (counterfactual feedback trajectories) उत्पन्न किए जा सकें जो विशेषज्ञ व्यवहार के सीखे गए लेटेंट स्पेस (latent space) में भ्रमण करके शौकिया खिलाड़ियों को जीतने वाली कॉन्फ़िगरेशन की ओर निर्देशित करते हैं।
यह शोध पत्र यह प्रदर्शित करता है कि एलएलएम (LLM) एजेंटों के बीच लुईस सिग्नलिंग गेम्स (Lewis signaling games) में, स्थिर भाषा उद्भव प्राप्त करने के लिए चैनल क्षमता की तुलना में निरंतर स्मृति आर्किटेक्चर (जैसे कि निजी नोटबुक) अधिक महत्वपूर्ण हैं, क्योंकि वे उच्च-क्षमता वाले पतन (high-capacity collapse) को रोकते हैं और एजेंटों को विश्वसनीय समन्वय के लिए परंपराओं को बाह्य रूप देने (externalize) की अनुमति देते हैं।
यह शोधपत्र Seed2.0 का परिचय देता है, जो एक मॉडल श्रृंखला है जिसे उपयोगकर्ता-आवश्यकता-संचालित मूल्यांकन प्रणाली के माध्यम से लॉन्ग-टेल ज्ञान और निर्देश-अनुसरण की चुनौतियों को संबोधित करके जटिल वास्तविक दुनिया के कार्यों को हल करने के लिए डिज़ाइन किया गया है, जिससे व्यापक उपयोगकर्ता मूल्य के लिए उन्नत तर्क, दृश्य समझ और खोज क्षमताएं प्रदान की जा सकें।
यह शोध पत्र UPADNet का प्रस्ताव करता है, जो एक अनरोल्ड डीप नेटवर्क है जो नवीन LMMSE एस्टिमेटर्स के माध्यम से सीखे गए आयाम (एम्प्लीट्यूड) और चरण (फेज) अपघटन का लाभ उठाता है ताकि मौजूदा अत्याधुनिक विधियों की तुलना में, विशेष रूप से उच्च-शोर और कम-डेटा वाले परिदृश्यों में, बेहतर इमेज डिब्लरिंग प्रदर्शन प्राप्त किया जा सके।
ASPIRE एक निरंतर सीखने वाली प्रणाली है जो निष्पादन, विफलता निदान और विकासवादी खोज के एक पुनरावृत्ति लूप के माध्यम से स्वायत्त रूप से रोबोट नियंत्रण प्रोग्राम लिखती और परिष्कृत करती है, जिसके परिणामस्वरूप एक पुन: प्रयोज्य कौशल लाइब्रेरी प्राप्त होती है जो बाधित, द्विपक्षीय और दीर्घ-क्षितिज वाले कार्यों में पिछले तरीकों से काफी बेहतर प्रदर्शन करती है और शून्य-शॉट सामान्यीकरण एवं सिम-टू-रियल स्थानांतरण को सक्षम बनाती है।