22853 पेपर
यह शोध पत्र मानव गुणवत्ता निर्णयों और इंजेक्ट की गई त्रुटियों के विरुद्ध कई एजेंटिक समीक्षा प्रणालियों का बेंचमार्किंग करता है, जो यह प्रदर्शित करता है कि हालांकि उन्हें अभी भी सुधार की आवश्यकता है, फिर भी OpenAIReview (GPT-5.5 के साथ) जैसे शीर्ष कॉन्फ़िगरेशन प्रभावी रूप से पेपर की गुणवत्ता को ट्रैक करते हैं, अधिकांश त्रुटियों का पता लगाते हैं, और वास्तविक उपयोगकर्ताओं से सकारात्मक प्रतिक्रिया प्राप्त करते हैं।
यह शोध पत्र बेयसियन मैनिफोल्ड करिकुलम (BMC) प्रस्तुत करता है, जो एक संरचना-जागरूक ढांचा है जो कार्यों के बीच निहित ज्यामितीय संबंधों का लाभ उठाकर, केवल कठिनाई-आधारित चयन पर निर्भर रहने के बजाय, सीखने की उत्पादकता, कार्य विविधता और मूल्यांकन उपयोगिता के बीच संतुलन को अनुकूलित करने के लिए LLM सुदृढीकरण शिक्षण (reinforcement learning) में समस्या नमूनाकरण (problem sampling) को एक मैनिफोल्ड-संरचित बैंडिट समस्या के रूप में पुनर्गठित करता है।
SafeSpec एक सुरक्षा-जागरूक स्पेक्युलेटिव इन्फरेंस फ्रेमवर्क है जो डायनेमिक रोलबैक और रिफ्लेक्टिव मल्टी-सैंपलिंग को सक्षम करने के लिए सत्यापन प्रक्रिया में एक लाइटवेट लेटेंट सेफ्टी हेड को एकीकृत करता है, जिससे गति से समझौता किए बिना एडवरसेरियल डिफेंस और इन्फरेंस एक्सेलेरेशन को संयुक्त रूप से अनुकूलित करके एक बेहतर सुरक्षा-दक्षता ट्रेड-ऑफ प्राप्त किया जाता है।
यह शोध पत्र यह प्रदर्शित करता है कि कण भौतिकी (पार्टिकल फिजिक्स) में, जहाँ उच्च-सटीकता वाले सिम्युलेटर सस्ते सिंथेटिक डेटा जनरेशन को सक्षम बनाते हैं, हैड्रोनिक जेट वर्गीकरण मॉडल के स्केलिंग व्यवहार को प्रीट्रेनिंग डेटासेट को रणनीतिक रूप से क्यूरेट करके, मॉडल के आकार के बजाय डेटा विविधता और संरेखण को प्राथमिकता देने के लिए इंजीनियर किया जा सकता है।
AgentFinVQA एक तैनात करने योग्य, मल्टी-एजेंट पाइपलाइन है जो विनियमित वातावरण के लिए डेटा रेजिडेंसी सुनिश्चित करते हुए और ट्रैसेबल वेरिफिकेशन प्रदान करते हुए FinMME बेंचमार्क पर स्टेट-ऑफ-द-आर्ट सटीकता प्राप्त करता है जो ऑडिट करने योग्य वित्तीय चार्ट प्रश्न उत्तर (क्वेश्चन अनस्वर्सिंग) के लिए है।
यह सर्वेक्षण विश्वसनीय एजेंटिक इलेक्ट्रॉनिक डिज़ाइन ऑटोमेशन (EDA) के लिए एक केंद्रीय ढांचे के रूप में "हैंडऑफ वैधता" (handoff validity) को प्रस्तुत करता है, जो 82 प्रणालियों को तीन सीमा श्रेणियों में वर्गीकृत करता है और यह सुनिश्चित करने के लिए एक पांच-स्तरीय संचार प्रोटोकॉल प्रस्तावित करता है कि AI-जनित आर्टिफैक्ट्स टूल, सत्र और संगठनात्मक सीमाओं के पार डाउनस्ट्रीम आवश्यकताओं को पूरा करते हैं।
ParaScale एक प्लग-एंड-प्ले मॉड्यूल है जो एक गेज-इनवेरिएंट (gauge-invariant) पैरलैक्स नंबर को संरक्षित करके, असंगत स्केल्स वाले वीडियो के बीच स्केल-कैलिब्रेटेड कैमरा-मोशन ट्रांसफर को सक्षम बनाता है, जिससे बिना किसी रिट्रेनिंग के मोशन एक्सैजरेशन (motion exaggeration) या सप्रेशन (suppression) को समाप्त किया जा सके।
यह शोध पत्र \sevra को प्रस्तुत करता है, जो एक सर्विंग-लेयर कंट्रोलर है जो सटीकता और कंप्यूट लागत के बीच संतुलन बनाने के लिए चयनात्मक रूप से सत्यापन (verification) को लागू करता है, यह प्रदर्शित करते हुए कि जबकि चयनात्मक रिकवरी हमेशा चालू रहने वाले सत्यापन की तुलना में हानिकारक बदलावों (harmful flips) और टोकन उपयोग को कम करती है, प्रारंभिक रीजनिंग बजट को अनुकूलित करना अक्सर एक बेहतर लागत-सटीकता सीमा (cost-accuracy frontier) प्रदान करता है।
यह शोध पत्र एक संरचित विफलता वर्गीकरण (failure taxonomy), एक चार-स्तरीय सत्यापन आर्किटेक्चर और एक 'ह्यूमन-ऑन-द-लूप' फ्रेमवर्क प्रस्तावित करके स्वायत्त एआई-संचालित कानूनी खोज (legal discovery) में "ट्रैजेक्टरी कोलैप्स" के जोखिम को संबोधित करता है, जो विशेषाधिकार-त्याग (privilege-waiver) के जोखिमों को काफी कम करता है और साथ ही वकील द्वारा समीक्षा के लिए आवश्यक दस्तावेजों की मात्रा को भी न्यूनतम करता है।
यह शोध पत्र उच्च-आयामी (high-dimensional) परिवेश में कम्प्यूटेशनल बाधाओं को दूर करने के लिए न्यूरल एडिटिव और बेसिस मॉडल्स में एक ट्रेन करने योग्य फीचर सिलेक्शन लेयर को एकीकृत करने का प्रस्ताव करता है, जिससे व्याख्यात्मकता और प्रतिस्पर्धी प्रदर्शन बनाए रखते हुए फीचर इंटरैक्शन की कुशल मॉडलिंग सक्षम होती है।