22699 पेपर
यह शोध पत्र TRAP प्रस्तुत करता है, जो एक ऐसा बेंचमार्क है जो यह प्रकट करता है कि वर्तमान AI एजेंट कार्य की सटीकता और गोपनीयता रिसाव के बीच एक अंतर्निहित समझौते का सामना करते हैं, और संरचनात्मक निजी क्षेत्र अलगाव (structural private field isolation) को एक समाधान के रूप में प्रस्तावित करता है जो प्रदर्शन से समझौता किए बिना डेटा एक्सपोज़र को रोकता है।
स्पॉटलाइट (Spotlight) एक नवीन प्रणाली है जो स्टेल-वेट सीड एक्सप्लोरेशन (stale-weight seed exploration) और इलास्टिक सीक्वेंस पैरेललिज्म (elastic Sequence Parallelism) का लाभ उठाकर खाली पड़े स्पॉट जीपीयू (spot GPUs) के माध्यम से डिफ्यूजन ट्रांसफॉर्मर्स (Diffusion Transformers) के लिए लागत प्रभावी सुदृढीकरण शिक्षण (Reinforcement Learning) पोस्ट-ट्रेनिंग को सक्षम बनाती है, जिससे बेसलाइन की तुलना में 4 गुना गति और 1.4–6.4 गुना लागत में कमी आती है।
यह शोध पत्र एक हाइब्रिड LSTM-विज़न ट्रांसफॉर्मर फ्रेमवर्क प्रस्तुत करता है जो सतह के अवलोकनों को ऊर्ध्वाधर वायुमंडलीय प्रोफाइल के साथ एकीकृत करता है ताकि HRRR मॉडल पूर्वानुमान त्रुटियों, विशेष रूप से वर्षा के लिए और जटिल सीमा परत स्थितियों के दौरान, के पूर्वानुमान में महत्वपूर्ण सुधार किया जा सके, जिससे परिचालन मौसम पूर्वानुमान के लिए बेहतर मार्गदर्शन प्राप्त हो सके।
यह शोध पत्र "वेरिएबिलिटी बाय रिजनरेशन" (VbR) का प्रस्ताव करता है, जो एक नवीन सॉफ्टवेयर प्रोडक्ट लाइन दृष्टिकोण है जहाँ एक LLM डिक्लेरेटिव विनिर्देशों (declarative specifications) के आधार पर जनरेशन के समय उद्देश्य-निर्मित, डेड-कोड-मुक्त बाइनरी उत्पन्न करने के लिए एक डेरिवेशन इंजन के रूप में कार्य करता है, जो प्रभावी रूप से एआई-संचालित "वाइब कोडिंग" के युग में वेरिएबिलिटी प्रबंधन को स्वयं कोड से हटाकर विनिर्देश (specification) में स्थानांतरित कर देता है।
RODS एक रिवॉर्ड-ड्रिवन ऑनलाइन डेटा सिंथेसिस फ्रेमवर्क को लागू करके मल्टी-टर्न टूल-यूज़ सुदृढीकरण शिक्षण (reinforcement learning) में सूचनात्मक नमूना रिक्तीकरण (informative sample depletion) की बाधा को संबोधित करता है, जो एक प्रशिक्षण पूल को सह-विकसित करने के लिए सीमा-स्तर के कार्यों (boundary-level tasks) की गतिशील रूप से पहचान और पुन: नमूनाकरण करता है, जिससे काफी कम प्रक्षेप पथों (trajectories) के साथ विशाल ऑफलाइन डेटासेट के तुलनीय प्रदर्शन प्राप्त होता है।
यह शोध पत्र ARIADNE को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free) और एडेप्टर-अज्ञेय (adapter-agnostic) रूटिंग फ्रेमवर्क है, जो अनलेबल इनपुट के लिए सबसे उपयुक्त पैरामीटर-कुशल फाइन-ट्यूनिंग (parameter-efficient fine-tuning) एडेप्टर का चयन करने के लिए लेटेंट स्पेस में पूर्व-निर्धारित प्रशिक्षण-सेट सेंट्रॉइड्स के साथ उनकी निकटता को मापता है, जिससे एडेप्टर के आंतरिक विवरणों या अतिरिक्त प्रशिक्षण की आवश्यकता के बिना विविध एनएलपी (NLP) कार्यों में लगभग इष्टतम प्रदर्शन प्राप्त होता है।
यह शोध पत्र ProductConsistency डेटासेट और एक साइक्लिक कंसिस्टेंसी (Cyclic Consistency) रिवॉर्ड मैकेनिज्म को पेश करता है ताकि निर्देश-आधारित इमेज एडिटिंग में प्रोडक्ट आइडेंटिटी के संरक्षण को बढ़ाया जा सके, जो यह प्रदर्शित करता है कि सुपरवाइज्ड फाइन-ट्यूनिंग और रिइन्फोर्समेंट लर्निंग Qwen-Image-Edit-2511 और Flux.1-Kontext-dev जैसे मॉडल्स में टेक्स्ट फिडेलिटी और विजुअल क्वालिटी में महत्वपूर्ण सुधार करते हैं।
यह शोध पत्र एक्सेस, आर्थिक और कंटेंट परतों के माध्यम से वर्ल्ड वाइड वेब के एक सिद्धांतपूर्ण पुनर्गठन का प्रस्ताव करता है ताकि एक मानव-केंद्रित मॉडल से "एजेंट-प्रथम" आर्किटेक्चर में संक्रमण किया जा सके, जो एआई एजेंटों को वैध एक्सेस अधिकार प्रदान करता है, इरादा-आधारित (intent-based) आर्थिक ढांचे को लागू करता है, और ATML एवं क्रिप्टोग्राफिक प्रोवेनेंस जैसे नए तकनीकी मानकों के माध्यम से एपिस्टेमिक रिकर्सन (epistemic recursion) को कम करता है।
यह शोध पत्र 39 यूरोपीय बिडिंग ज़ोन में बिजली की कीमतों का विश्लेषण करने के लिए डीप न्यूरल नेटवर्क को व्याख्यात्मक एआई (explainable AI) तकनीकों, विशेष रूप से SHAP और SSHAP के साथ जोड़ता है, जो यह प्रकट करता है कि सौर ऊर्जा और गैस की कीमतें मूल्य निर्धारण के प्रमुख चालक हैं, जबकि इंटरकनेक्शन की महत्वपूर्ण भूमिका को उजागर करता है और पूर्णतः एकीकृत यूरोपीय संघ-व्यापी बाजार के प्रति-तथ्यात्मक (counterfactual) परिदृश्य का अन्वेषण करता है।
यह शोध पत्र प्रदर्शित करता है कि इक्विवैरिएंट ग्राफ न्यूरल नेटवर्क, विशेष रूप से एक अनुकूलित GotenNet, ज्यामितीय अभिव्यक्तता और उच्च-सटीकता वाले RPA-स्तरीय प्रशिक्षण डेटा का लाभ उठाकर सामग्रियों की स्क्रीनिंग के लिए ऑप्टिकल स्पेक्ट्रा और स्टैटिक रियल परमिटिविटी की भविष्यवाणी करने में मौजूदा अत्याधुनिक मॉडलों से काफी बेहतर प्रदर्शन करते हैं।