23087 पेपर
DART हाइब्रिड रीजनिंग मॉडल्स के लिए एक ट्रेनिंग-फ्री रूटिंग फ्रेमवर्क है जो सस्ते ड्राफ्ट्स को सैंपल करके और सीधे उत्तर देने या विस्तारित तर्क (extended reasoning) के बीच निर्णय लेने के लिए उनकी सहमति या एंट्रॉपी का उपयोग करके थिंकिंग बजट को गतिशील रूप से आवंटित करता है, जिससे जटिल गणित और कोड कार्यों पर सटीकता में सुधार करते हुए टोकन के उपयोग को काफी कम किया जा सकता है।
यह शोध पत्र AgentCIBench को प्रस्तुत करता है, जो एक मूल्यांकन हारनेस (harness) है जो यह प्रकट करता है कि विजुअल को-लोकेशन (visual co-location), कार्य अस्पष्टता (task ambiguity) और प्राप्तकर्ता मिसअलाइनमेंट (recipient misalignment) के कारण 15 में से 11 फ्रंटियर मॉडल्स अक्सर अनुचित क्रॉस-कॉन्टेक्स्ट जानकारी लीक करते हैं, जिससे कंप्यूटर-उपयोग एजेंटों में महत्वपूर्ण गोपनीयता जोखिम सामने आते हैं।
यह शोध पत्र "मेमोरी कंटेजियन" (स्मृति संक्रामकता) की पहचान और उसे औपचारिक रूप देता है, जो एक ऐसी घटना है जहाँ मूल्यांकनकर्ता का पूर्वाग्रह एजेंट मेमोरी सिस्टम के माध्यम से समय के साथ फैलता है, यह प्रदर्शित करते हुए कि कैसे लंबाई प्राथमिकता वाला पूर्वाग्रह (length preference bias) पूर्ण समेकन (perfect consolidation) के बावजूद भविष्य के एजेंटों को संक्रमित कर सकता है, जबकि अधिकार पूर्वाग्रह (authority bias) ऐसा नहीं करता है, जो वर्तमान एआई मेमोरी आर्किटेक्चर में एक मॉडल-जनरेशन-निर्भर भेद्यता को प्रकट करता है।
यह शोध पत्र तर्क देता है कि आंतरिक आत्म-सुधार (intrinsic self-correction) कोई समान रूप से विश्वसनीय विधि नहीं है, बल्कि एक कार्य-निर्भर अनुमान-समय रणनीति (task-dependent inference-time strategy) है जो केवल तभी निरंतर प्रदर्शन लाभ प्रदान करती है जब विशिष्ट कार्य संरचना बाधा सत्यापन (constraint verification), तर्क संशोधन (reasoning revision), या रणनीति तुलना (strategy comparison) जैसी प्रक्रियाओं को सुगम बनाती है।
यह शोध पत्र MuPPET प्रस्तुत करता है, जो यह दर्शाता है कि LLM सहायक एक-से-एक परिवेश की तुलना में बहु-पक्षीय बातचीत में संवेदनशील जानकारी लीक करने के प्रति काफी अधिक प्रवृत्त हैं, जिससे यह पता चलता है कि वर्तमान गोपनीयता रक्षाएं अपर्याप्त हैं और छोटे मॉडल विशेष रूप से असुरक्षित हैं।
SteerVTE एक एकीकृत ढांचा है जो विशेष एन्कोडर्स, एक नवीन लॉस फंक्शन, प्रोग्रेसिव ट्रेनिंग और एक बड़े पैमाने के सिंथेटिक डेटासेट के माध्यम से एक फ्रोजन वीडियो डिफ्यूजन मॉडल को नियंत्रित करके स्टाइल और ग्लिफ कंट्रोल के साथ सटीक वीडियो टेक्स्ट एडिटिंग को सक्षम बनाता है।
यह शोध पत्र ज्योमेट्रिक इन्फॉर्मेशन फ्लो (GIF) प्रस्तुत करता है, जो एक अर्थपूर्ण रूप से सुदृढ़ ढांचा है जो प्रॉम्प्ट इंजेक्शन और गोपनीयता लीक का पता लगाने के लिए LLM जैकोबियन्स (Jacobians) और स्थानीय आउटपुट ज्यामिति का उपयोग करके सूचना प्रवाह को कुशलतापूर्वक और सटीक रूप से सीमित करता है, जो ब्लैक-बॉक्स परिनियोजन का समर्थन करते हुए सटीकता और कम्प्यूटेशनल लागत दोनों में मौजूदा बेसलाइन से बेहतर प्रदर्शन करता है।
VideoAgent एक ऑल-इन-वन मल्टी-एजेंट फ्रेमवर्क है जो शॉट प्लानिंग, क्रॉस-मोडल रिट्रीवल और एक मल्टी-एजेंट ऑर्केस्ट्रेशन सिस्टम को एकीकृत करके मौजूदा स्वचालित वीडियो प्रणालियों की सीमाओं को दूर करता है ताकि उच्च सफलता दर और कम लागत के साथ पेशेवर-गुणवत्ता वाली, सुसंगत लंबी-वीडियो समझ और संपादन प्राप्त किया जा सके।
यह शोध पत्र प्रदर्शित करता है कि मल्टीफिडेलिटी सिमुलेशन-आधारित अनुमान (multifidelity simulation-based inference), जो तेज़ लॉग-नॉर्मल मॉक्स (log-normal mocks) पर प्री-ट्रेनिंग को 100 से कम उच्च-फिडेलिटी -बॉडी सिमुलेशन पर फाइन-ट्यूनिंग के साथ जोड़ता है, कंप्यूटेशनल लागत को एक परिमाण (order of magnitude) कम करते हुए सटीक और सुव्यवस्थित रूप से कैलिब्रेटेड फील्ड-लेवल वीक लेंसिंग कॉस्मोलॉजी को सक्षम बनाता है।
यह शोध पत्र अडैप्टिव हार्ड-सॉफ्ट फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क (HSPINN) को प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो विश्लेषणात्मक लिफ्टिंग और फीचर मैपिंग के माध्यम से सीमा स्थितियों (boundary conditions) को सटीक रूप से लागू करता है और एक इनवर्स-शेयर सॉफ्टमैक्स रणनीति के माध्यम से सॉफ्ट बाधाओं को गतिशील रूप से संतुलित करता है, जिससे विभिन्न PDE प्रकारों में पारंपरिक PINNs की तुलना में बेहतर अभिसरण (convergence), सटीकता और स्थिरता प्राप्त होती है।