22557 पेपर
यह शोध पत्र SIMSplat को प्रस्तुत करता है, जो एक भाषा-संरेखित (language-aligned) 4D गॉसियन स्प्लेटिंग फ्रेमवर्क है जो वास्तविक दुनिया के सेंसर डेटा से स्केलेबल, प्रतिक्रियाशील और भौतिक रूप से सुसंगत ड्राइविंग परिदृश्य निर्माण को सक्षम करने के लिए सीन ग्राउंडिंग, प्राकृतिक भाषा-संचालित संपादन और मल्टी-एजेंट सिमुलेशन को एकीकृत करता है।
यह शोध पत्र Oracle-RLAIF का प्रस्ताव करता है, जो बड़े वीडियो-भाषा मॉडलों के लिए एक लागत प्रभावी फाइन-ट्यूनिंग फ्रेमवर्क है, जो रैंकिंग फीडबैक से सुदृढीकरण शिक्षण (reinforcement learning) का उपयोग करके बेहतर वीडियो समझ प्रदर्शन प्राप्त करने के लिए विशिष्ट रिवॉर्ड मॉडलों को एक सामान्य ऑरेकल रेंकर और एक नवीन रैंक-आधारित लॉस फंक्शन () से बदल देता है।
यह शोध पत्र SE(3)-इक्विवेरिएंट फ्लो मैचिंग मॉडल्स के लिए एक ट्रेनिंग-फ्री प्रेडिक्टिव फीचर कैशिंग रणनीति पेश करता है जो सॉल्वर स्टेप्स के माध्यम से इंटरमीडिएट हिडन स्टेट्स का अनुमान लगाकर उच्च सैंपल गुणवत्ता बनाए रखते हुए आणविक ज्यामिति (मॉलिक्यूलर ज्योमेट्री) के निर्माण को 7 गुना तक तेज़ करता है।
यह शोध पत्र प्रदर्शित करता है कि सुपरवाइज्ड फाइन-ट्यूनिंग बड़े भाषा मॉडलों की अनिश्चितता व्यक्त करने की क्षमता और सटीकता के साथ आत्मविश्वास को संरेखित करने की क्षमता में सुधार कर सकती है, हालांकि ये मेटाकॉग्निटिव लाभ विभिन्न कॉन्फिडेंस असेसमेंट फॉर्मेट्स की तुलना में विभिन्न डोमेन में बेहतर तरीके से सामान्यीकृत होते हैं, जिसमें मल्टीटास्क ट्रेनिंग सबसे सुदृढ़ सामान्यीकरण प्रदान करती है।
यह शोध पत्र MultiCNKG प्रस्तुत करता है, जो एक नवीन ढांचा है जो संज्ञानात्मक तंत्रिका विज्ञान (Cognitive Neuroscience), जीन और रोग ऑन्टोलॉजी को एक सुसंगत, बहु-स्तरीय ज्ञान ग्राफ में एकीकृत करने के लिए बड़े भाषा मॉडलों का लाभ उठाता है, जो व्यक्तिगत चिकित्सा और संज्ञानात्मक विकार निदान में उन्नत अनुप्रयोगों के लिए उच्च सटीकता और मजबूती प्रदर्शित करता है।
यह अध्ययन प्रदर्शित करता है कि मानव और एलएलएम (LLM) दोनों ही सामान्य ज्ञान वाले उत्तरों के तर्कसंगतता संबंधी निर्णयों में एलएलएम द्वारा निर्मित तर्कों से महत्वपूर्ण रूप से प्रभावित होते हैं, जो मानव संज्ञान के अध्ययन के लिए एक नवीन विधि को उजागर करता है और सामान्य ज्ञान के क्षेत्रों में भी मानवीय विश्वासों को अनुचित रूप से प्रभावित करने की एआई (AI) की क्षमता के बारे में चिंताएँ बढ़ाता है।
यह शोध पत्र T2J को प्रस्तुत करता है, जो पायटॉर्च-टू-जैक्स (PyTorch-to-JAX) अनुवाद बग्स और डेवलपर सुधारों का एक बेंचमार्क है, जिसका उपयोग यह प्रदर्शित करने के लिए किया जाता है कि इस डेटासेट के साथ इन-कॉन्टेक्स्ट लर्निंग (in-context learning) कमजोर LLMs की कोड अनुवाद गुणवत्ता को 20% तक सुधार सकती है।
यह शोध पत्र CQD-SHAP का प्रस्ताव करता है, जो एक नवीन ढांचा है जो अपूर्ण ज्ञान ग्राफ (incomplete knowledge graphs) पर व्याख्यात्मक जटिल क्वेरी उत्तरों के लिए सहयोगात्मक गेम थ्योरी से शापली मानों (Shapley values) का लाभ उठाता है, जिससे प्रत्येक क्वेरी भाग के योगदान को उत्तर रैंकिंग में परिमाणित किया जाता है, और इस प्रकार मौजूदा ब्लैक-बॉक्स और न्यूरोसिम्बोलिक मॉडलों की व्याख्यात्मकता सीमाओं को संबोधित किया जाता है।
यह शोध पत्र 'कौमेलियन बेंचमार्क' (Chameleon Benchmark) को प्रस्तुत करता है जो यह प्रकट करता है कि सर्च-सक्षम लार्ज लैंग्वेज मॉडल्स (LLMs) गंभीर "कौमेलियन व्यवहार" प्रदर्शित करते हैं—सीमित ज्ञान विविधता और क्वेरी फ्रेमिंग पर अत्यधिक निर्भरता के कारण बहु-चरणीय (multi-turn) बातचीत में व्यवस्थित रूप से अपने रुख बदलते हैं—जो स्वास्थ्य सेवा और कानून जैसे उच्च-जोखिम वाले क्षेत्रों के लिए महत्वपूर्ण विश्वसनीयता जोखिम पैदा करते हैं।
यह शोध पत्र "टेल मी" (Tell Me) को प्रस्तुत करता है, जो एक व्यापक LLM-संचालित मानसिक कल्याण प्रणाली है जो एक RAG-आधारित संवादात्मक सहायक, अनुसंधान और डेटा संवर्धन के लिए एक सिंथेटिक संवाद जनरेटर, और व्यक्तिगत स्व-देखभाल योजनाएं एवं निर्देशित ध्यान प्रदान करने के लिए एक एजेंटिक प्लानिंग क्रू को एकीकृत करती है, जिसका लक्ष्य जिम्मेदार, संदर्भ-जागरूक AI नवाचार के माध्यम से मानसिक स्वास्थ्य सहायता के अंतराल को पाटना है।