22650 पेपर
यह अध्ययन प्रकट करता है कि 2010 और 2025 के बीच वैज्ञानिक सारांशों में सैन्यवादी भाषा का उपयोग तेजी से बढ़ा है, जो वैश्विक संघर्षों के साथ सह-संबंधित है, फिर भी प्रयोगात्मक साक्ष्य दर्शाते हैं कि इस प्रकार का युद्ध-फ्रेमिंग अंततः वैज्ञानिक विश्वसनीयता, वित्त पोषण की इच्छा और नीतिगत समर्थन को कमजोर करता है।
CADRE मेडिकल विजन-लैंग्वेज मॉडल्स के लिए एक पैरामीटर-कुशल निरंतर अनुकूलन ढांचा (parameter-efficient continual adaptation framework) है जो विनाशकारी विस्मृति (catastrophic forgetting) और पूर्व विचलन (prior drift) को महत्वपूर्ण रूप से कम करने के लिए LoRA को नवीन नियमितीकरण पदों (novel regularization terms) के साथ जोड़ता है, जिससे विविध इमेजिंग मोडैलिटीज में नैदानिक सुरक्षा और स्थिरता बढ़ती है।
यह शोध पत्र POTracker को प्रस्तुत करता है, जो एक फाइन-ट्यून्ड LLM है जो एक नवीन लॉस फंक्शन का उपयोग करता है जो टेक्स्टुअल और स्ट्रक्चरल समानता को संतुलित करता है, ताकि अमेरिकी यूटिलिटी क्षेत्र के लिए मानक-अनुपालक, मशीन-पठनीय पावर आउटेज रिपोर्ट उत्पन्न करने में अत्याधुनिक सटीकता प्राप्त की जा सके।
यह शोध पत्र SQLConductor को प्रस्तुत करता है, जो एक चरण-दर-चरण ऑर्केस्ट्रेशन फ्रेमवर्क है जो 'सर्च-टू-पॉलिसी लर्निंग' का उपयोग करके मध्यवर्ती फीडबैक के आधार पर गतिशील रूप से SQL उप-कार्यों (subtasks) का चयन करने के लिए एक पॉलिसी मॉडल को प्रशिक्षित करता है, जिससे फिक्स्ड पाइपलाइनों और डायरेक्ट बैकबोन ट्रेनिंग की तुलना में जटिल टेक्स्ट-टू-एसक्यूएल (Text-to-SQL) बेंचमार्क पर बेहतर निष्पादन सटीकता और सामान्यीकरण प्राप्त होता है।
VeriEvol एक पुनरावृत्ति ढांचा (iterative framework) है जो टाइप-अवेयर इवोल्यूशन ऑपरेटर्स के माध्यम से प्रॉम्प्ट कठिनाई विस्तार को, मल्टी-सोर्स हाइपोथेसिस-टेस्ट फाल्सिफिकेशन के माध्यम से उत्तर विश्वसनीयता प्रवर्तन से अलग करके मल्टीमॉडल गणितीय तर्क को स्केल करता है, जिससे उच्च-गुणवत्ता वाला सत्यापित डेटा उत्पन्न होता है जो विजुअल-मैथ बेंचमार्क पर मॉडल के प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र एक रूफलाइन-प्रेरित स्केलिंग मॉडल प्रस्तुत करता है जो नियंत्रित आर्किटेक्चरल स्वीप्स से प्राप्त कंप्यूट, मेमोरी ट्रैफिक और हार्डवेयर दक्षता कारकों को मापे गए ऊर्जा से जोड़कर विषम मल्टी-जीपीयू कॉन्फ़िगरेशन में ट्रांसफॉर्मर प्रशिक्षण की ऊर्जा खपत का सटीक अनुमान लगाता है।
यह शोध पत्र सेल्फ-अवेयर शेड्यूलिंग (SAS) प्रस्तुत करता है, जो एक सिद्धांतगत ढांचा है जो डिकोडिंग मिसमैच (decoding mismatch) पर एक सुलभ ऊपरी सीमा (tractable upper bound) प्राप्त करके एक हल्के नीति (lightweight policy) को प्रशिक्षित करता है ताकि मास्क्ड डिफ्यूजन लैंग्वेज मॉडल्स में टोकन अनमास्किंग क्रम को अनुकूलित किया जा सके, जिससे सुडोकू और गणितीय तर्क जैसे कार्यों पर ह्यूरिस्टिक शेड्यूल्स की तुलना में जनरेशन की गुणवत्ता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र KORE को प्रस्तुत करता है, जो कोलमोगोरोव-इष्टतम स्केलिंग लॉ (Kolmogorov-optimal scaling laws) और लीव-वन-आउट एरर एस्टीमेशन (leave-one-out error estimation) का उपयोग करके स्प्लाइन रिग्रेशन में इष्टतम रिज़ॉल्यूशन को विश्लेषणात्मक रूप से हल करने की एक विधि है, जिससे उच्च-आयामी डेटासेट पर व्यापक ग्रिड सर्च और अन्य ट्यूनिंग विधियों की सटीकता के बराबर या उससे अधिक सटीकता प्राप्त करते हुए गणनात्मक रूप से महंगे हाइपरपैरामीटर सर्च की आवश्यकता समाप्त हो जाती है।
यह शोध पत्र "Kamera" का परिचय देता है, जो एक प्रशिक्षण-मुक्त (training-free) विधि है जो सटीक RoPE पुन: घूर्णन (re-rotation) के साथ एक छोटे निम्न-रैंक वाले अनुकूलन पैच (low-rank conditioning patch) को लागू करके मल्टीमॉडल KV कैश के स्थिति-अपरिवर्तनीय पुन: उपयोग को सक्षम बनाता है, जिससे अनावश्यक पुन: एन्कोडिंग समाप्त हो जाती है और मल्टी-हॉप रीजनिंग के लिए आवश्यक क्रॉस-चंक निर्भरता पूरी तरह से बहाल हो जाती है।
यह शोध पत्र एनएक्टर (Enactor) का परिचय देता है, जो एक एक्टर-केंद्रित जनरेटिव मॉडल है जो सिग्नल वाले चौराहों के स्थिर, उच्च-विश्वसनीयता वाले माइक्रोसिमुलेशन को प्राप्त करने के लिए एक क्लोज्ड-लूप प्रशिक्षण पाठ्यक्रम और पोलर कोऑर्डिनेट एनकोडिंग का उपयोग करता है, जो ट्रैफिक वितरण को पुनरुत्पादित करने और सुरक्षा उल्लंघनों को कम करने में मौजूदा बेसलाइन से काफी बेहतर प्रदर्शन करता है।