21916 पेपर
यह शोध पत्र CW-B को प्रस्तुत करता है, जो एक क्लास-वेटेड XGBoost फ्रेमवर्क है जो नैदानिक व्याख्यात्मकता बनाए रखते हुए पांच-वर्ग हृदय डिस्चार्ज फेनोटाइपिंग में बेहतर प्रदर्शन प्राप्त करने के लिए वास्तविक दुनिया के डेटा असंतुलन और अनुपलब्धता को प्रभावी ढंग से संबोधित करता है।
यह शोध पत्र SWAM का प्रस्ताव करता है, जो एक कार्य-केंद्रित विश्व क्रिया मॉडल (task-centric world action model) है जो एकल-पास अनुमान (single-pass inference) के माध्यम से मोनोकुलर RGB इनपुट से लक्ष्य-संगत RGB-D अनुक्रमों और क्रिया प्रक्षेपवक्रों (action trajectories) को एक साथ उत्पन्न करता है, जो नेविगेशन दक्षता, सटीकता और सामान्यीकरण में मौजूदा सत्यापन-केंद्रित योजनाकारों (verification-centric planners) से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र Fold को प्रस्तुत करता है, जो एक हल्का आउट-ऑफ-डिस्ट्रीब्यूशन (OOD) डिटेक्टर है जो इस अवलोकन का लाभ उठाता है कि इन-डिस्ट्रीब्यूशन डेटा की तुलना में OOD इनपुट अधिक हेसियन कर्वेचर (Hessian curvature) प्रदर्शित करते हैं, और न्यूनतम कम्प्यूटेशनल ओवरहेड के साथ अत्याधुनिक प्रदर्शन प्राप्त करने के लिए फीचर हेसियन और आंशिक सामान्यीकरण (partial normalization) का उपयोग करता है।
यह शोध पत्र SWE-Together प्रस्तुत करता है, जो वास्तविक उपयोगकर्ता-एजेंट कोडिंग सत्रों से प्राप्त एक मल्टी-टर्न बेंचमार्क है, जो रिपॉजिटरी की अंतिम शुद्धता और आवश्यक सुधारात्मक फीडबैक टर्न की संख्या दोनों के आधार पर कोडिंग एजेंटों का मूल्यांकन करने के लिए एक रिएक्टिव LLM-आधारित उपयोगकर्ता सिम्युलेटर का उपयोग करता है, जिससे यह पता चलता है कि अधिक शक्तिशाली एजेंट कम हस्तक्षेपों के साथ उच्च सफलता दर प्राप्त करते हैं।
यह शोध पत्र DuoMem को प्रस्तुत करता है, जो एक द्वैत-स्थान डिस्टिलेशन (dual-space distillation) ढांचा है जो संदर्भ-स्थान मेमोरी संवर्धन (context-space memory augmentation) और पैरामीटर-स्थान फाइन-ट्यूनिंग (parameter-space fine-tuning) को संयोजित करता है ताकि कॉम्पैक्ट ऑन-डिवाइस LLMs को जटिल प्रक्रियात्मक कार्यों में शिक्षक-स्तर के प्रदर्शन को प्राप्त करने में सक्षम बनाया जा सके, जबकि विलंबता (latency) और संसाधनों की आवश्यकताओं को महत्वपूर्ण रूप से कम किया जा सके।
riverONE एक हल्का, 1.9-बिलियन-पैरामीटर वाला विज़न-लैंग्वेज मॉडल है जो प्रशिक्षण के दौरान विशेष पैरामीटर उत्पन्न करने के लिए सिम्युलेटेड क्वांटम कंप्यूटेशन का लाभ उठाता है, जिससे यह शास्त्रीय हार्डवेयर पर पूरी तरह से चलते हुए भी वैज्ञानिक अंशांकन (कैलिब्रेशन) कार्यों पर बड़े क्वांटम-कैलिब्रेटेड मॉडलों के 95% से अधिक प्रदर्शन को प्राप्त करने में सक्षम होता है।
यह शोधपत्र एक फेथफुल वॉर्म-स्टार्ट (FWS) रणनीति प्रस्तावित करता है जो विजन-लैंग्वेज मॉडल्स में सुदृढीकरण लर्निंग (reinforcement learning) को स्थिर करने और लैंग्वेज-प्रायर एक्सप्लॉइटेशन (language-prior exploitation) को रोकने के लिए विजुअली ग्राउंडेड रीजनिंग ट्रेसेस के एक डेटासेट को क्यूरेट और शुद्ध करता है।
AlgoSkill एल्गोरिदम डिज़ाइन को एक सत्यापन-निर्देशित क्रमिक निर्णय लेने वाले कार्य के रूप में मॉडल करके इसे बेहतर बनाता है, जहाँ एक सीखा हुआ शेड्यूलर मोंटे कार्लो ट्री सर्च फ्रेमवर्क के भीतर मानव-समान कौशलों की एक टाइप की गई लाइब्रेरी को व्यवस्थित करता है ताकि प्रत्यक्ष पीढ़ी और सामान्य परिशोधन विधियों से बेहतर प्रदर्शन किया जा सके।
यह शोध पत्र T3R का प्रस्ताव करता है, जो ग्राफ न्यूरल नेटवर्क के लिए एक नवीन टेस्ट-टाइम अडैप्टेशन विधि है जो स्व-पर्यवेक्षित संकेतों (self-supervised signals) को पुनरorient करने के लिए रोटोग्राड मैट्रिसेस (Rotograd matrices) और ग्रेडिएंट रोटेशन का उपयोग करती है, जिससे अनलेबल टेस्ट डेटा पर गहरे, पूर्ण-आर्किटेक्चर अनुकूलन को सक्षम बनाया जा सके और वितरण बदलावों (distribution shifts) के तहत प्रदर्शन में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र MuseBench को प्रस्तुत करता है, जो विविध दृश्य-श्रव्य कलाओं में 4,000 से अधिक विशेषज्ञ-सत्यापित प्रश्नों वाला एक व्यापक बेंचमार्क है, जिसे मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स की इरादा-स्तर (intent-level) की तर्क क्षमताओं का मूल्यांकन करने के लिए डिज़ाइन किया गया है और जो रचनात्मक कलात्मक इरादे को समझने में वर्तमान एआई प्रणालियों और मानव विशेषज्ञों के बीच प्रदर्शन के एक महत्वपूर्ण अंतर को प्रकट करता है।