22856 पेपर
यह शोधपत्र डिफ्यूजन ट्रांसफॉर्मर्स के लिए एक नवीन वेरिएबल-लेंथ टोकेनाइज़र प्रस्तुत करता है जो लर्नबल ग्लोबल मर्जिंग का उपयोग करके डेटा-स्वतंत्र, क्रॉस-लेंथ रिप्रेजेंटेशन अलाइनमेंट को सक्षम बनाता है और बेहतर क्वालिटी-कंप्यूट ट्रेड-ऑफ प्राप्त करता है, जिससे पारंपरिक ट्रंकेशन-आधारित विधियों में निहित सिमेंटिक मिसअलाइनमेंट की समस्याओं पर विजय प्राप्त होती है।
यह शोध पत्र 'रेसिड्यूअल-स्पेस इवोल्यूशनरी ऑप्टिमाइज़ेशन' (Residual-Space Evolutionary Optimization) प्रस्तुत करता है, जो एक मॉडल-अज्ञेय (model-agnostic) ढांचा है जो फ्लो-आधारित जनरेटिव एडिटिंग को इवोल्यूशनरी एल्गोरिदम के साथ जोड़ता है ताकि पूरक 'सेल्फ-पॉलिनेशन' और 'क्रॉस-पॉलिनेशन' रणनीतियों के माध्यम से रेसिड्यूअल स्पेस में ग्रेडिएंट-मुक्त अनुकूलन सक्षम किया जा सके, जो इमेज और वैज्ञानिक डोमेन में लक्ष्य संरेखण, इंस्टेंस संरक्षण और विविधता के बीच प्रभावी ढंग से संतुलन बनाता है।
यह शोधपत्र सेंसरिमोटर वर्ल्ड मॉडल (SMWM) को प्रस्तुत करता है, जो एक लेटेंट वर्ल्ड मॉडल है जिसे रिप्रेजेंटेशन कोलैप्स को रोकने और एक्शन-अलाइन्ड रिप्रेजेंटेशन को प्रेरित करने के लिए इनवर्स डायनेमिक्स रेगुलराइजेशन के साथ एंड-टू-एंड प्रशिक्षित किया गया है, जो जटिल आर्किटेक्चरल बाधाओं के बिना प्रतिस्पर्धी प्लानिंग के लिए कॉम्पैक्ट लेटेंट स्पेस के रिवॉर्ड-फ्री लर्निंग को सक्षम बनाता है।
यह शोध पत्र एक दोहरी-एजेंट रूपरेखा प्रस्तुत करता है जो एक पार्सर एजेंट (Parser Agent), एक नियम-आधारित मैपिंग इंजन और एक सत्यापन एजेंट (Validation Agent) का उपयोग करके प्राकृतिक भाषा वाले माइक्रोप्लेट-आधारित जैविक प्रोटोकॉल को सटीक रूप से निष्पादन योग्य रोबोटिक कमांड में अनुवादित करता है, जिससे ब्रैडफोर्ड परख (Bradford assays) जैसे जटिल प्रयोगशाला प्रयोगों के स्वायत्त निष्पादन को सक्षम बनाया जा सके।
यह शोध पत्र एक अनुकूली (adaptive) LLM-आधारित हाई-स्कूल ट्यूटरिंग सिस्टम प्रस्तुत करता है जो शिक्षण संबंधी विशेषताओं (pedagogical features) पर प्रशिक्षित एक विषय-जागरूक प्रॉम्प्ट रूटिंग मॉडल का उपयोग करता है ताकि सीखने की रणनीतियों के बीच गतिशील रूप से स्विच किया जा सके, जो सिमुलेशन से वास्तविक दुनिया के परिनियोजन (deployment) में सफलतापूर्वक स्थानांतरित होता है जहाँ यह स्थिर बेसलाइनों की तुलना में इंटरैक्शन टर्न्स को कम करता है और अभ्यास रूपांतरण दरों (exercise conversion rates) में महत्वपूर्ण सुधार करता है।
यह शोध पत्र RACL को प्रस्तुत करता है, जो एक रीजनिंग-एजेंट कंट्रोल लेयर (Reasoning-Agent Control Layer) है जो मौजूदा मेटाहेयुरिस्टिक्स (metaheuristics) के ऊपर स्थित है ताकि सीमित परिकल्पनाओं और हस्तक्षेपों के माध्यम से एक ऑप्टिमाइज़र के आंतरिक खोज व्यवहार का अवलोकन, तर्क और गतिशील समायोजन किया जा सके, जो व्यावसायिक बाधाओं में संशोधन किए बिना या महत्वपूर्ण कम्प्यूटेशनल ओवरहेड के बिना वाहन रूटिंग कार्यों में महत्वपूर्ण लागत सुधार प्रदर्शित करता है।
HilDA एक स्व-पर्यवेक्षित प्री-ट्रेनिंग फ्रेमवर्क है जो LiDAR बैकबोन के लिए विजन फाउंडेशन मॉडल्स से पदानुक्रमित डिस्टिलेशन (hierarchical distillation) और एक टेम्पोरल ऑक्यूपेंसी डिफ्यूजन ऑब्जेक्टिव का लाभ उठाता है ताकि बेहतर सिमेंटिक और ज्यामितीय जानकारी को कैप्चर करके 3D ऑब्जेक्ट डिटेक्शन, सीन फ्लो और सिमेंटिक ऑक्यूपेंसी प्रेडिक्शन में अत्याधुनिक प्रदर्शन प्राप्त किया जा सके।
यह शोध पत्र यह प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल्स (LLMs) के स्पष्ट मनोवैज्ञानिक प्रोफाइल मुख्य रूप से दिशात्मक प्रतिक्रिया पूर्वाग्रह (directional response bias) द्वारा संचालित मापन संबंधी कृत्रिमताएं (measurement artifacts) हैं न कि वास्तविक गुण, जो प्रतिक्रिया ऑर्थोगोनैलिटी (response orthogonality) के लिए समर्पित समायोजनों के बिना LLMs का आकलन करने के लिए मानक मानव-निर्मित मनोवैज्ञानिक उपकरणों को अमान्य बना देते हैं।
फ्लोमैप्स (FlowMaps) एक लेटेंट फ्लो मैचिंग मॉडल है जो भविष्य के ऑब्जेक्ट लोकेशन्स के मल्टीमॉडल डिस्ट्रीब्यूशन की भविष्यवाणी करने के लिए मानव-वस्तु अंतःक्रियाओं के स्पेसियो-टेम्पोरल पैटर्न को सीखता है, जो गतिशील घरेलू वातावरण में रोबोटिक नेविगेशन और खोज प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह अध्ययन विभिन्न सिंथेटिक और वास्तविक दुनिया के डेटासेट्स में विभिन्न कॉन्सेप्ट ड्रिफ्ट डिटेक्शन एल्गोरिदम का एक सैद्धांतिक विश्लेषण और व्यापक अनुभवजन्य मूल्यांकन प्रदान करता है ताकि उनकी विशेषताओं, व्यवहारों और विविध स्ट्रीमिंग वातावरणों में उनकी प्रयोज्यता को बेहतर ढंग से समझा जा सके।