19891 पेपर
यह शोध पत्र एक नवीन मल्टी-मोडल फ्रेमवर्क प्रस्तुत करता है जो निरंतर ऑडियो स्ट्रीम के आधार पर वास्तविक समय में मोशन स्किल्स को स्वायत्त रूप से चुनने और निष्पादित करने द्वारा डायनेमिक ह्यूमनाइड होल-बॉडी कंट्रोल को सक्षम बनाता है, जो टेम्पोरल अलाइनमेंट के लिए संगीत और डायरेक्ट कमांड ग्राउंडिंग के लिए स्पीच के बीच अंतर करता है।
यह शोध पत्र एक तीन-स्तरीय परिचालन ढांचे को प्रस्तुत करता है जो यह स्पष्ट करता है कि क्यों क्लोज्ड-लूप ज्ञान प्रणालियाँ आंतरिक फीडबैक के तहत संतृप्त हो जाती हैं और इन अट्रैक्टर्स (attractors) से पलायन प्रेरित करने के लिए संरचनात्मक हस्तक्षेपों के मापने योग्य मापदंड स्थापित करता है, जिसे एलएलएम (LLMs), सुदृढीकरण शिक्षण (reinforcement learning) और बेयसियन अनुकूलन (Bayesian optimization) के केस स्टडीज के माध्यम से मान्य किया गया है।
यह शोध पत्र Instant NuRec को प्रस्तुत करता है, जो एक फीड-फॉरवर्ड न्यूरल मॉडल है जो मल्टी-व्यू लॉग्स से एकल फॉरवर्ड पास में पूर्णतः सिमुलेबलटेबल 3D गॉसियन स्प्लेटिंग ड्राइविंग दृश्यों को तेजी से पुनर्गठित करता है, जो गतिशील तत्वों और नॉन-पिनहोल कैमरों का समर्थन करते हुए गति और रेंडरिंग गुणवत्ता दोनों में मौजूदा विधियों से काफी बेहतर प्रदर्शन करता है।
यह शोधपत्र प्रदर्शित करता है कि स्व-पर्यवेक्षित विजन फाउंडेशन मॉडल स्वाभाविक रूप से अपने लेटेंट फीचर्स के भीतर 3D यूक्लिडियन स्पेस संरचनाओं को एनकोड करते हैं, जो स्पष्ट 3D पुनर्निर्माण के बिना विजुअल ओडोमेट्री और लोकलाइजेशन के लिए नवीन "लेटेंट-स्पेस नेविगेशन" तकनीकों को सक्षम बनाता है।
यह शोध पत्र LIGO-PINN प्रस्तुत करता है, जो एक नवीन ढांचा है जो विविध और चुनौतीपूर्ण PDE डोमेन में फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क्स को प्रशिक्षित करने के दौरान अभिसरण विफलताओं (convergence failures) को प्रभावी ढंग से दूर करने और मौजूदा अत्याधुनिक विधियों से बेहतर प्रदर्शन करने के लिए गेटेड लेयरवाइज ऑप्टिमाइज़ेशन के माध्यम से सीखी गई इनिशियलाइज़ेशन का उपयोग करता है।
यह शोध पत्र एआई संरेखण (AI alignment) को स्थिर, अनुकरणात्मक दृष्टिकोणों से एक गतिशील, संवादात्मक ढांचे की ओर स्थानांतरित करने का समर्थन करता है जहाँ मानव और एआई व्यवहार सह-विकसित होते हैं, जो नए समन्वय चुनौतियों को संबोधित करने के लिए अंतरविषयक अंतर्दृष्टि का उपयोग करता है और पूरक संरेखण के लिए एक अनुसंधान एजेंडा की रूपरेखा तैयार करता है।
यह शोध पत्र तर्क देता है कि जनरेटिव मॉडल्स की नियंत्रणीयता (controllability) उनके प्रशिक्षण डेटा में निहित एक "बजट" द्वारा मौलिक रूप से सीमित है, यह प्रदर्शित करते हुए कि जबकि पारंपरिक "नॉब" विधियाँ (जैसे प्रॉम्प्ट या गाइडेंस स्केल) इस सीमा के केवल एक अंश तक ही पहुँच सकती हैं, ठोस उदाहरण प्रदान करने से मॉडल्स को किसी गुण की क्षमता के पूर्ण स्पेक्ट्रम तक पहुँचने में मदद मिलती है, जिसमें वे लक्ष्य भी शामिल हैं जिन्हें मौखिक रूप से निर्दिष्ट नहीं किया जा सकता।
यह शोध पत्र एक स्वचालित, मल्टी-एजेंट रेड-टीमिंग फ्रेमवर्क प्रस्तावित करता है जो बिना मानवीय लेबलिंग के सुरक्षा उल्लंघन के विरुद्ध मल्टीमॉडल लार्ज लैंग्वेज मॉडल की मजबूती को महत्वपूर्ण रूप से बढ़ाने के लिए पुनरावृत्ति परिकल्पना पीढ़ी (इटरेटिव हाइपोथीसिस जनरेशन) और उत्परिवर्तन (म्यूटेशन) के माध्यम से चुनौतीपूर्ण प्रतिकूल उदाहरणों को संश्लेषित करता है।
यह शोध पत्र यह स्थापित करता है कि संदर्भ इंजीनियरिंग (context engineering) की गुणवत्ता एआई एजेंट विश्वसनीयता का एक प्राथमिक, मापने योग्य भविष्यवक्ता है, जो ProofAgent-Harness के माध्यम से यह प्रदर्शित करता है कि विशिष्ट संदर्भ मानदंड—जैसे कि ग्राउंडिंग पर्याप्तता (grounding sufficiency) और गार्डरेल कवरेज (guardrail coverage)—अंतर्निहित भाषा मॉडल से स्वतंत्र होकर, मतिभ्रम प्रतिरोध (hallucination resistance) और निर्देश पालन जैसे व्यवहारिक परिणामों को सीधे निर्धारित करते हैं।
यह शोध पत्र ToolAlignBench प्रस्तुत करता है, जो यह उजागर करता है कि सुरक्षा-संरेखित (safety-aligned) टूल-कॉलिंग LLMs अक्सर परस्पर विरोधी सुरक्षा मूल्यों (जैसे कि व्हिसलब्लोइंग) पर कार्य करने के लिए परिनियोजन निर्देशों (deployment instructions) को दरकिनार कर देते हैं, जिससे विनियमित उद्योगों में महत्वपूर्ण उत्तरदायित्व जोखिम उत्पन्न होते हैं।