19893 पेपर
यह शोध पत्र SheetMind को प्रस्तुत करता है, जो बड़े भाषा मॉडलों (LLMs) द्वारा संचालित एक मॉड्यूलर मल्टी-एजेंट फ्रेमवर्क है जो मैनेजर, एक्शन और रिफ्लेक्शन एजेंटों की एक पदानुक्रमित प्रणाली के माध्यम से स्प्रेडशीट कार्यों को स्वचालित करता है, और मौजूदा विधियों की तुलना में SheetCopilot बेंचमार्क पर बेहतर कार्यात्मक शुद्धता और पूर्ण निष्पादन विश्वसनीयता प्राप्त करता है।
यह समीक्षा पत्र यूएवी (UAV) प्रणालियों में हालिया ट्रांसफॉर्मर-आधारित और लार्ज लैंग्वेज मॉडल की प्रगति को व्यवस्थित रूप से वर्गीकृत और मूल्यांकित करता है, जो शोधकर्ताओं और अभ्यासकर्ताओं को क्षेत्र में मार्गदर्शन करने के लिए एक एकीकृत वर्गीकरण, तुलनात्मक प्रदर्शन विश्लेषण, और चुनौतियों एवं भविष्य की दिशाओं का एक आलोचनात्मक मूल्यांकन प्रस्तुत करता है।
यह शोध पत्र स्वायत्त रोबोटों के लिए एक वास्तविक समय (real-time), मॉडल-चेकिंग-आधारित दृष्टिकोण प्रस्तुत करता है जो अस्थायी नियंत्रण प्रणालियों को श्रृंखलाबद्ध करके और स्टेट-स्पेस विस्फोट (state-space explosion) को कम करके कम शक्ति वाले उपकरणों पर कुशल बहु-चरणीय प्रतिक्रियात्मक योजनाएं उत्पन्न करता है, जिससे पारंपरिक एक-चरणीय बाधा निवारण विधियों की स्थानीय न्यूनतम (local minima) सीमाओं को दूर किया जा सके।
यह शोधपत्र DeepTravel को प्रस्तुत करता है, जो एक एंड-टू-एंड एजेंटिक सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है, जो एक सुदृढ़ यात्रा सैंडबॉक्स, पदानुक्रमित पुरस्कार मॉडलिंग और रिप्लाई-ऑगमेंटेड प्रशिक्षण का उपयोग करता है ताकि स्वायत्त यात्रा नियोजन एजेंटों को सटीक, व्यवहार्य यात्रा कार्यक्रम उत्पन्न करने में फ्रंटियर लार्ज लैंग्वेज मॉडल्स और मौजूदा ढांचों से बेहतर प्रदर्शन करने में सक्षम बनाया जा सके।
यह शोध पत्र 14 डोमेन में एक एकीकृत मूल्यांकन प्रस्तुत करके इस पारंपरिक धारणा को चुनौती देता है कि सूक्ष्म-स्तरीय प्रक्रिया रिवॉर्ड मॉडल (fine-grained process reward models) श्रेष्ठ होते हैं, जो यह प्रकट करता है कि जनरेटिव आउटकम रिवॉर्ड मॉडल्स (gORM) सबसे सुदृढ़ और सुसंगत प्रदर्शन करने वाले हैं, जबकि स्टेपवाइज जनरेटिव प्रोसेस मॉडल्स लेबल नॉइज़ के कारण त्रुटि संचय (error compounding) से ग्रस्त होते हैं।
यह शोध पत्र ब्रांचिंग न्यूरल नेटवर्क्स का परिचय देता है, जो एक नवीन आर्किटेक्चर है जो कॉनवेक्स रिलैक्सेशन (convex relaxation) का उपयोग करके कार्यों को पदानुक्रमित रूप से एक वृक्ष संरचना में विभाजित करके मल्टीटास्क एल्गोरिद्मिक तर्क को कुशलतापूर्वक सीखता है, जिससे विभिन्न बेंचमार्क पर प्रदर्शन में उल्लेखनीय सुधार होता है और कम्प्यूटेशनल लागत कम होती है।
यह शोध पत्र PLuRel को पेश करता है, जो विविध मल्टी-टेबल रिलेशनल डेटाबेसों को संश्लेषित करने के लिए एक हल्का ढांचा है, जो पहली बार यह प्रदर्शित करता है कि सिंथेटिक डेटा को स्केल करने से रिलेशनल फाउंडेशन मॉडल्स के लिए पूर्वानुमानित प्रदर्शन सुधार और मजबूत सामान्यीकरण (जनरलाइजेशन) प्राप्त होता है।
यह शोध पत्र SQuTR को प्रस्तुत करता है, जो स्पोकन क्वेरी टू टेक्स्ट रिट्रीवल (बोली गई क्वेरी से टेक्स्ट पुनर्प्राप्ति) के लिए एक बड़े पैमाने का रोबस्टनेस बेंचमार्क है, जो जटिल ध्वनिक वातावरणों में रिट्रीवल सिस्टम की प्रदर्शन सीमाओं का मूल्यांकन और निदान करने के लिए विविध क्वेरीज़ को एकत्रित करता है और वास्तविक दुनिया के शोर की 17 श्रेणियों के तहत स्पीच को सिंथेसाइज करता है।
यह शोधपत्र सिद्ध करता है कि अवस्थाओं और क्रियाओं वाले एक नियंत्रित मार्कोव प्रक्रिया (Controlled Markov Process) के लिए, एक इष्टतम नियतात्मक नीति (optimal deterministic policy) का अवलोकन करने से अंतर्निहित वातावरण के बारे में ठीक बिट्स की जानकारी प्राप्त होती है, जिससे विभिन्न पुरस्कार अधिकतमकरण उद्देश्यों (reward maximization objectives) में इष्टतमता के लिए आवश्यक अंतर्निहित विश्व मॉडल (implicit world model) पर एक सटीक सूचना-सैद्धांतिक निचली सीमा (information-theoretic lower bound) स्थापित होती है।
यह शोधपत्र FlipSet प्रस्तुत करता है, जो एक नैदानिक बेंचमार्क है जो यह प्रकट करता है कि विजन-लैंग्वेज मॉडल एक व्यवस्थित इगोसेंट्रिक (स्व-केंद्रित) पूर्वाग्रह और एक संरचनात्मक कमी प्रदर्शित करते हैं, जो इन क्षमताओं को अलग-अलग रूप में रखने के बावजूद सामाजिक जागरूकता को स्थानिक तर्क के साथ एकीकृत करने में विफल रहते हैं।