23087 पेपर
यह शोध पत्र एक एडेप्टिव NN ग्राफ मॉडल प्रस्तुत करता है जो इन्फरेंस लेटेंसी (inference latency) को कंप्यूटेशनल कॉम्प्लेक्सिटी से अलग करने के लिए प्री-कंप्यूटेड वोटिंग के साथ हिरार्किकल नेविगेबल स्मॉल वर्ल्ड (HNSW) संरचनाओं को एकीकृत करता है, जिससे विविध डेटासेट्स पर वर्गीकरण सटीकता से समझौता किए बिना रियल-टाइम प्रदर्शन प्राप्त होता है।
यह शोध पत्र "अटेंशन डिस्ट्रैक्शन" (Attention Distraction) को रिट्रीवल-ऑगमेंटेड लार्ज विजन-लैंग्वेज मॉडल्स में एक नवीन विफलता मोड के रूप में पहचानता है जहाँ प्रासंगिक रिट्रीव्ड टेक्स्ट विजुअल अटेंशन को दबा देता है, और MAD-RAG का प्रस्ताव करता है, जो एक ट्रेनिंग-फ्री विधि है जो विजुअल ग्राउंडिंग को कॉन्टेक्स्ट इंटीग्रेशन से अलग करके इस समस्या को महत्वपूर्ण रूप से कम करती है।
यह शोध पत्र एक ऐसी प्रशिक्षण रणनीति का प्रस्ताव करता है जो नई जानकारी को सुसंगत पृष्ठभूमि कहानियों के रूप में पेश करके और नॉलेज डिस्टिलेशन (knowledge distillation) के साथ स्व-निर्मित मल्टी-हॉप प्रश्नों का उपयोग करके ज्ञान अपडेट को तर्क संबंधी समस्याओं के रूप में मानती है, जिससे बड़े भाषा मॉडल विविध संदर्भों में अपडेट किए गए ज्ञान को प्रभावी ढंग से एकीकृत और लागू करने में सक्षम होते हैं।
TS-Memory एक हल्का, प्लग-एंड-प्ले एडॉप्टर है जो एक रिट्रीवल-आधारित टीचर के वितरण संबंधी सुधारों (distributional corrections) को एक पैरामीट्रिक मेमोरी मॉड्यूल में आसवित (distill) करता है, जिससे फ्रोजन टाइम सीरीज़ फाउंडेशन मॉडल्स को वितरण बदलावों (distribution shifts) के तहत स्थिर-समय अनुमान ओवरहेड के साथ मजबूत ज़ीरो-शॉट पूर्वानुमान प्राप्त करने में सक्षम बनाता है और कैटास्ट्रोफिक फॉरगेटिंग से बचाता है।
यह शोध पत्र UniT को पेश करता है, जो एक ऐसा ढांचा है जो एकीकृत मल्टीमॉडल मॉडलों को बहु-चरणीय तर्क (multi-round reasoning), सत्यापन और परिशोधन के माध्यम से पुनरावृत्ति परीक्षण-समय स्केलिंग (iterative test-time scaling) करने में सक्षम बनाता है, यह प्रदर्शित करते हुए कि लघु तर्क प्रक्षेप पथों (short reasoning trajectories) पर प्रशिक्षण प्रभावी रूप से लंबे अनुमान श्रृंखलाओं (longer inference chains) तक सामान्यीकृत होता है और जटिल दृश्य समझ एवं निर्माण कार्यों में महत्वपूर्ण सुधार करता है।
यह शोधपत्र ऑर्चियो (Orcheo) को प्रस्तुत करता है, जो एक ओपन-सोर्स, मॉड्यूलर फुल-स्टैक प्लेटफॉर्म है जिसे पुन: प्रयोज्य घटकों, प्रोडक्शन-रेडी इंफ्रास्ट्रक्चर और व्यापक स्टार्टर-किट एसेट्स के साथ एक एकीकृत ढांचे के माध्यम से संवादात्मक खोज (conversational search) में अनुसंधान और परिनियोजन के बीच के अंतर को पाटने के लिए डिज़ाइन किया गया है ताकि तीव्र प्रोटोटाइपिंग और सामुदायिक साझाकरण को सुगम बनाया जा सके।
यह शोध पत्र WorkflowPerturb को प्रस्तुत करता है, जो लगभग 5,000 गोल्डन वर्कफ़्लो और 44,000 से अधिक ग्रेडेड परटर्बेशन्स (क्रमिक परिवर्तनों) से युक्त एक नियंत्रित बेंचमार्क है, जिसका उपयोग प्रोडक्शन अपडेट के दौरान मल्टी-एजेंट LLM वर्कफ़्लो में होने वाले परिवर्तनों का पता लगाने और उनकी गंभीरता को मापने के लिए मेट्रिक्स का मूल्यांकन और अंशांकन करने के लिए किया जाता है।
यह शोध पत्र "प्रारंभिक अन्वेषण समस्या" (IEP) को एक विशिष्ट चुनौती के रूप में पहचानता और सिद्धांत देता है जहाँ सामान्य उपयोगकर्ता जब पहली बार किसी नॉलेज ग्राफ (Knowledge Graph) का सामना करते हैं, तो वे दायरे की अनिश्चितता, ऑन्टोलॉजी की अपारदर्शिता और क्वेरी अक्षमता का सामना करते हैं, और यह तर्क देता है कि वर्तमान इंटरफेस पूर्व ज्ञान को पूर्व-मान्य किए बिना इस प्रारंभिक अभिविन्यास (orientation) में सहायता करने के लिए आवश्यक इंटरैक्शन प्रिमिटिव्स (interaction primitives) का अभाव रखते हैं।
यह शोध पत्र AIQI को प्रस्तुत करता है, जो वितरण संबंधी एक्शन-वैल्यू फंक्शन्स (distributional action-value functions) पर यूनिवर्सल इंडक्शन (universal induction) को निष्पादित करके सामान्य सुदृढीकरण शिक्षण (reinforcement learning) में एसिम्प्टोटिक -ऑप्टिमैलिटी (asymptotic -optimality) प्राप्त करने वाला पहला सिद्ध मॉडल-मुक्त यूनिवर्सल एजेंट है, साथ ही यह इन प्रमाण तकनीकों को सेल्फ-AIXI (Self-AIXI) की इष्टतमता स्थापित करने के लिए विस्तारित भी करता है।
यह शोध पत्र क्रॉस-मोडल आइडेंटिटी मैपिंग (CIM) का प्रस्ताव करता है, जो एक सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो एक छवि और उसके टेक्स्ट-रिट्रीव्ड विजुअल समकक्षों के बीच निरंतरता के लिए अनुकूलित करके इमेज कैप्शनिंग में सूचना हानि को कम करता है, जिससे बिना किसी अतिरिक्त एनोटेशन की आवश्यकता के उत्कृष्ट प्रदर्शन प्राप्त होता है।