23087 पेपर
यह शोध पत्र 'सेल्फ-फिल्टरिंग' नामक एक नवीन बूटस्ट्रैप्ड पद्धति प्रस्तावित करता है, जो एक विकसित होते डेटासेट पर एक CLIP मॉडल को पुनरावृत्ति से प्रशिक्षित करती है जो अत्यधिक संभावित स्वच्छ नमूनों और विविध डेटा के बीच संतुलन बनाता है, जिससे बिना किसी अतिरिक्त डेटा या पूर्व-प्रशिक्षित मॉडलों के डाउनस्ट्रीम विजन-लैंग्वेज प्रदर्शन में सुधार होता है।
यह शोध पत्र विज़न-लैंग्वेज-एक्शन मॉडल्स के लिए एक सक्रिय, अनिश्चितता-निर्देशित निरंतर शिक्षण प्रतिमान (continual learning paradigm) प्रस्तावित करता है जो लक्षित रिकवरी प्रदर्शनों (recovery demonstrations) के माध्यम से अनुकूलन दक्षता में सुधार करता है, जबकि ऐसे डेटा को एकीकृत करने पर प्लास्टिसिटी और कैटास्ट्रोफिक फॉरगेटिंग के बीच के ट्रेडऑफ़ का अनुभवजन्य विश्लेषण करता है।
TailorMind एक नवीन ढांचा है जो हाइपरग्राफ-आधारित कोलाबोरेटिव फ़िल्टरिंग, टेक्स्टुअल ग्रेडिएंट डिसेंट और रिट्रीवल-ऑगमेंटेड स्टाइल कंट्रोल को एकीकृत करके व्यक्तिगत सामग्री प्रणालियों की सीमाओं को संबोधित करता है ताकि मांग पर उच्च गुणवत्ता वाली, उपयोगकर्ता-अनुकूलित मल्टीमॉडल सामग्री उत्पन्न की जा सके, जो नए TailorBench पर प्रदर्शित होने के अनुसार पारंपरिक रिट्रीवल विधियों और मौजूदा जनरेशन बेसलाइन दोनों से बेहतर प्रदर्शन करता है।
यह शोध पत्र टेपर्ड लैंग्वेज मॉडल्स (TLMs) को प्रस्तुत करता है, जो एक आर्किटेक्चर-अज्ञेय (architecture-agnostic) डिज़ाइन सिद्धांत है जो एक निश्चित पैरामीटर बजट के तहत शुरुआती से बाद की परतों तक MLP चौड़ाई को एकतत (monotonically) रूप से कम करके पर्प्लेक्सिटी और डाउनस्ट्रीम प्रदर्शन में सुधार करता है, यह प्रदर्शित करते हुए कि गैर-समान क्षमता आवंटन पारंपरिक समान-चौड़ाई वाले स्टैक्स की तुलना में बेहतर प्रदर्शन करता है।
यह शोध पत्र बिट मैनिपुलेशन पहेलियों को हल करने के लिए एक नवीन एल्गोरिद्मिक ढांचे को प्रस्तुत करता है जो पारंपरिक अंकगणितीय तर्क को स्ट्रिंग समानता, बैकट्रैकिंग DFS और त्रुटि रिकवरी तंत्रों से बदल देता है, जिससे 96% सत्यापन सटीकता और NVIDIA Nemotron Model Reasoning Challenge में समग्र रूप से 7वां स्थान प्राप्त हुआ है।
यह शोध पत्र साइब्रिज (PsyBridge) को प्रस्तुत करता है, जो एक हाइब्रिड इंटेलिजेंट फ्रेमवर्क है जो सटीक, व्याख्या योग्य और बहुआयामी मानसिक स्वास्थ्य मूल्यांकन प्रदान करने के लिए नैदानिक रूप से प्रमाणित स्क्रीनिंग टूल्स को संज्ञानात्मक और व्यक्तित्व प्रोफाइलिंग के साथ एकीकृत करता है, जो स्टैंडअलोन उपकरणों की तुलना में बेहतर प्रदर्शन करता है।
यह शोध पत्र AIR प्रस्तुत करता है, जो एक तीन-घटक समाधान के माध्यम से मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स की जटिल संख्यात्मक गणना के लिए कोड के साथ अनुकूली इंटरलीव्ड रीजनिंग (adaptive interleaved reasoning) करने की क्षमता को बढ़ाता है, जिसमें कोल्ड-स्टार्ट डेटा निर्माण, डेटासेट क्यूरेशन और ग्रुप-कंस्ट्रेंड रीइन्फोर्समेंट लर्निंग द्वारा निर्देशित एक अनुकूली टूल-इनवोकेशन रणनीति शामिल है, जिसके परिणामस्वरूप मूल्यांकन बेंचमार्क पर महत्वपूर्ण प्रदर्शन सुधार प्राप्त होते हैं।
यह शोध पत्र एआई एजेंटों के लिए एक पुनरावर्ती संयुक्त सिमुलेशन ढांचे का प्रस्ताव करता है जो, सोर्स कोड पारदर्शिता और स्व-स्थानिक अनिश्चितता (self-locating uncertainty) का लाभ उठाकर, रणनीतिक रूप से एकल-शॉट अंतःक्रियाओं को अनंत बार दोहराए जाने वाले खेलों में परिवर्तित करता है, जिससे स्थापित फोक सिद्धांतों (folk theorems) के माध्यम से सहयोगात्मक परिणामों को सक्षम बनाया जा सके।
यह शोध पत्र DiverseDistill का प्रस्ताव करता है, जो एक संवादात्मक डिस्टिलेशन फ्रेमवर्क है जो विविध फाउंडेशन मॉडल्स और डोमेन विशेषज्ञों के आउटपुट्स को एक कॉम्पैक्ट स्टूडेंट मॉडल में प्रभावी ढंग से संरेखित करने के लिए एक सीखने योग्य प्रश्न-उत्तर तंत्र का लाभ उठाता है, जिससे बिना किसी टीचर को-ऑप्टिमाइज़ेशन की आवश्यकता के या इन्फरेंस ओवरहेड के बिना बेहतर प्रदर्शन रिकवरी प्राप्त होती है।