22819 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल्स में क्रॉस-लिंगुअल ट्रांसफर मुख्य रूप से टास्क-फॉर्मेट अलाइनमेंट द्वारा संचालित होता है न कि भाषाई संबद्धता द्वारा, क्योंकि मॉडल अपने बेसलाइन प्रदर्शन या चेन-ऑफ-थॉट रीजनिंग के उपयोग की परवाह किए बिना भाषा परिवारों में समान सुधार प्रदर्शित करते हैं।
यह शोध पत्र एक संज्ञानात्मक सिद्धांत-आधारित त्रुटि वर्गीकरण प्रस्तुत करता है जो यह प्रदर्शित करता है कि हार्डवेयर डिज़ाइन में एलएलएम (LLMs) RTL कोडिंग कार्यों पर एक सख्त प्रदर्शन सीमा का सामना करते हैं, जहाँ संरेखण तकनीकें केवल सिंटैक्स में सुधार करती हैं जबकि गहरे कार्यात्मक दोष प्रीट्रेनिंग ज्ञान द्वारा सीमित रहते हैं और टेस्ट-टाइम स्केलिंग द्वारा भी हल नहीं किए जा सकते।
यह शोध पत्र LUCID को प्रस्तुत करता है, जो लार्ज लैंग्वेज मॉडल-आधारित नॉलेज ग्राफ रीजनिंग के लिए एक नवीन हैलुसिनेशन डिटेक्शन विधि है, जो ग्राफ न्यूरल नेटवर्क के माध्यम से LLM अटेंशन स्कोर, सिमेंटिक समानता और स्ट्रक्चरल ग्राफ सूचना का संयुक्त रूप से लाभ उठाकर अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र "फिजिकल अटाारी" (Physical Atari) को प्रस्तुत करता है, जो एक सुदृढ़ और किफायती $1,000 का प्लेटफॉर्म है जो अटाारी खेलों को भौतिक रूप से नियंत्रित करने के लिए एक कस्टम रोबोट का उपयोग करता है, जिससे वास्तविक दुनिया के सुदृढीकरण लर्निंग (reinforcement learning) प्रयोगों को सक्षम बनाया जा सके जो प्रशिक्षण और परिनियोजन के बीच वितरण बदलावों (distribution shifts) को संभालने के लिए ऑन-डिवाइस अनुकूलन की महत्वपूर्ण आवश्यकता को प्रदर्शित करते हैं।
यह शोध पत्र "कंप्यूटेशनल आइडेंटिफिएबिलिटी" (computational identifiability) नामक एक ढांचे का प्रस्ताव करता है जो सैद्धांतिक, एसिम्प्टोटिक (asymptotic) पहचान से ध्यान हटाकर अनुभवजन्य अनुमानकों (empirical estimators) को खोजने की एक व्यावहारिक, परिमित खोज प्रक्रिया पर केंद्रित करता है, जिससे छोटे नमूनों, अस्पष्ट ग्राफों और मिश्रित डेटा प्रकारों वाले परिदृश्यों में पहचान संबंधी चुनौतियों का समाधान सक्षम होता है।
यह शोध पत्र एक हाइब्रिड प्रशिक्षण पद्धति प्रस्तावित करता है जो सेल्फ-प्ले सुदृढीकरण शिक्षण (self-play reinforcement learning) को मानव प्रदर्शन डेटा की एक न्यूनतम मात्रा (केवल 30 मिनट) के साथ एक नियमितीकरण उद्देश्य (regularization objective) के रूप में जोड़ता है, जिससे व्यापक मानव डेटासेट या नाजुक रिवॉर्ड इंजीनियरिंग की आवश्यकता के बिना, सुरक्षित और स्वाभाविक रूप से मानव व्यवहार के अनुरूप स्वायत्त ड्राइविंग नीतियों का कुशल निर्माण संभव हो पाता है।
ProMUSE एक प्रगतिशील, अनिश्चितता-निर्देशित बहु-मोडल नेटवर्क है जो कम लागत वाले नैदानिक डेटा के आधार पर केवल आवश्यकता होने पर ही महंगी एमआरआई (MRI) या पीईटी (PET) इमेजिंग को अनुकूल रूप से शामिल करता है, जिससे अल्जाइमर रोग के सटीक निदान के साथ-साथ इमेजिंग लागत और संसाधनों के उपयोग में महत्वपूर्ण कमी आती है।
Emyx एक अत्यधिक कुशल 140M-पैरामीटर वाला कंडीशनल फ्लो मैचिंग मॉडल है जो हल्के कंडीशनल रिप्रेजेंटेशन और इष्टतम सैंपलिंग के लिए एक नवीन रीपैरामीट्राइजेशन का लाभ उठाकर, चार गुना कम ट्रेनिंग कंप्यूट के साथ एंजाइम डिजाइन बेंचमार्क में RFdiffusion और ProteinComplexa जैसे अत्याधुनिक ऑल-एटम प्रोटीन जनरेटरों से बेहतर प्रदर्शन करता है।
DYNAmo एक परिनियोजन-तैयार (deployment-ready) ऑर्केस्ट्रेशन इंजन है जो टोपोलॉजिकल मल्टी-एजेंट शेड्यूलिंग के साथ 'प्लान-देन-एग्जीक्यूट' आर्किटेक्चर को नियोजित करके, सत्यापन योग्य, निर्भरता-जागरूक समानांतर वर्कफ़्लो को सक्षम करने के लिए LLM-संचालित औद्योगिक परिसंपत्ति प्रबंधन की दक्षता और सुरक्षा को बढ़ाता है और साथ ही विलंबता (latency) को महत्वपूर्ण रूप से कम करता है और मजबूती बनाए रखता है।
यह शोध पत्र एक पुनरुत्पादक, प्रोटोकॉल-संचालित ढांचे को प्रस्तुत करता है जो एजेंटिक एआई (Agentic AI) प्रणालियों के लिए क्रिप्टोग्राफिक रूप से CSAF VEX एडवाइजरी उत्पन्न करने और मान्य करने हेतु सॉफ्टवेयर और एआई बिल ऑफ मैटेरियल्स (SBOM/AIBOM) को नियत (deterministic) वातावरण कैप्चर और रनटाइम टेलीमेट्री के साथ एकीकृत करता है।