22557 पेपर
यह शोध पत्र GVLA को प्रस्तुत करता है, जो एक कैमरा-जागरूक ज्यामितीय मॉड्यूल है जो बिना डेप्थ सेंसर की आवश्यकता के रे इम्बेडिंग्स (ray embeddings) और क्रॉस-व्यू फ्यूजन के माध्यम से विज़न-लैंग्वेज-एक्शन मॉडल्स में कैलिब्रेटेड 3D संरचना को इंजेक्ट करता है, जिससे विविध बेंचमार्क और वास्तविक दुनिया की सेटिंग्स में रोबोट मैनिपुलेशन प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एक अनुकूलन योग्य मशीन लर्निंग फ्रेमवर्क का प्रस्ताव करता है जो O-RAN आर्किटेक्चर के भीतर, मॉडल चयन तंत्र और निरंतर ट्रांसफर लर्निंग का लाभ उठाकर 6G नेटवर्क में गतिशील वातावरण में अभिसरण समय (convergence time) को महत्वपूर्ण रूप से कम करने और दक्षता में सुधार करने के लिए UAV प्रक्षेपवक्रों (trajectories) को अनुकूलित करता है।
यह शोध पत्र तर्क देता है कि वर्तमान लार्ज लैंग्वेज मॉडल स्केलिंग एक्सपोनेंट्स (scaling exponents) एक अस्थिर ऊर्जा शासन का संकेत देते हैं, जो गैर-शून्य लॉस लिमिट्स (non-zero loss limits) के "पेडस्टल प्रभाव" (pedestal effect) को ध्यान में रखने के बाद भी बना रहता है, और साथ ही इन एक्सपोनेंट्स पर डेटा स्मूथनेस (data smoothness) के प्रभाव पर चर्चा करने के लिए फ्लूइड टर्बुलेंस (fluid turbulence) से सादृश्य प्रस्तुत करता है।
यह शोध पत्र नोड प्रॉपर्टी प्रेडिक्शन के लिए नौ हालिया ग्राफ फाउंडेशन मॉडल्स का एक निष्पक्ष और कठोर पुनर्मूल्यांकन करता है, जिससे यह पता चलता है कि केवल सबसे हालिया प्रायर-डेटा फिटेड नेटवर्क-आधारित मॉडल ही उच्च अनुमान लागत (इन्फ्रेंस कॉस्ट) पर, अच्छी तरह से ट्यून किए गए ग्राफ न्यूरल नेटवर्क बेसलाइन्स की तुलना में बेहतर भविष्य कहनेवाला प्रदर्शन (प्रेडिक्टिव परफॉर्मेंस) दिखाते हैं।
यह शोध पत्र कंप्यूटर-उपयोग एजेंटों के लिए एक सुदृढीकरण शिक्षण (reinforcement learning) ढांचे का प्रस्ताव करता है जो शोर वाले रिवॉर्ड सिग्नल्स (noisy reward signals) उत्पन्न करने के लिए स्वायत्त विजन-लैंग्वेज मॉडल्स का लाभ उठाता है, जिन्हें फिर एक नॉइज़-अवेयर एस्टीमेटर के माध्यम से सुधारा जाता है ताकि विविध डेस्कटॉप वातावरणों में कार्य सफलता दरों को महत्वपूर्ण रूप से सुधारा जा सके।
यह शोध पत्र तुर्की स्कैम कॉल्स के पहले सार्वजनिक बहु-मोडल डेटासेट को प्रस्तुत करता है और सात लार्ज लैंग्वेज मॉडल्स का मूल्यांकन करता है, जिसमें यह पाया गया कि कम-संसाधन वाली भाषाओं में फोन स्कैम का पता लगाने के लिए ट्रांसक्रिप्ट-आधारित इनपुट, कच्चे ऑडियो प्रोसेसिंग की तुलना में लगातार बेहतर प्रदर्शन करते हैं।
यह शोध पत्र MemClaw को प्रस्तुत करता है, जो एक प्रोडक्शन मल्टी-टेनेंट मेमोरी सर्विस है जो मल्टी-एजेंट LLM सिस्टम में महत्वपूर्ण विफलता मोडों को संबोधित करने के लिए गवर्नड शेयर्ड मेमोरी प्रिमिटिव्स को लागू करती है, जबकि यह ArgusFleet इवैल्यूएशन हारनेस का उपयोग करके एसिमेट्रिक स्कोप एनफोर्समेंट और पाइपलाइन ऑर्डरिंग कॉन्फ्लिक्ट्स जैसी वास्तविक दुनिया की आर्किटेक्चरल चुनौतियों को उजागर करता है जिन्हें केवल डिज़ाइन-ओनली दृष्टिकोण अक्सर मिस कर देते हैं।
यह शोध पत्र एक नियंत्रित बेंचमार्क प्रस्तुत करता है जो यह प्रदर्शित करता है कि जबकि GUI एजेंट वर्तमान में बेहतर इंटरैक्शन विश्वसनीयता के कारण CLI एजेंटों से बेहतर प्रदर्शन करते हैं, CLI प्रदर्शन अंतराल मुख्य रूप से अपूर्ण कौशल कवरेज (incomplete skill coverage) द्वारा संचालित है न कि अंतर्निहित मॉडल सीमाओं द्वारा, क्योंकि सत्यापनकर्ता-निर्देशित कौशल संवर्धन (verifier-guided skill augmentation) CLI सफलता दर को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध प्रदर्शित करता है कि बेंजामिन ग्राहम के क्लासिक वैल्यू इन्वेस्टिंग सिद्धांतों को आधुनिक फैक्टर मॉडल्स के साथ एकीकृत करना प्रभावी रूप से एक जोखिम-नियंत्रण तंत्र के रूप में कार्य करता है, जिससे एक हाइब्रिड रैंडम फॉरेस्ट रणनीति चार साल की अवधि में ऑटोग्लून (AutoGluon) जैसे जटिल एआई मॉडल्स की तुलना में काफी कम ड्रॉडाउन के साथ बेहतर रिटर्न प्रदान करते हुए उत्कृष्ट प्रदर्शन करने में सक्षम होती है।
यह शोध पत्र प्रकट करता है कि कानूनी सहायता के लिए लक्षित छोटे, ऑन-प्रिमाइसेस (on-premises) LLMs, अधिकार-शैली वाले भूमिका उपसर्गों (authority-style role prefixes) के साथ प्रॉम्प्ट किए जाने पर अत्यधिक बढ़ी हुई ओवररिफ्यूजल (overrefusal) दरों—20 गुना तक अधिक—का प्रदर्शन करते हैं, जो वास्तविक संस्थागत संदर्भों में उनकी अस्थिरता और पूर्वाग्रह की संभावना को उजागर करता है।