23087 पेपर
यह शोध पत्र एक प्रशिक्षण-मुक्त (training-free) ढांचे का प्रस्ताव करता है जो स्पीच डीपफेक डिटेक्शन के लिए विश्वसनीय और सुदृढ़ स्पष्टीकरण उत्पन्न करने हेतु XAI साक्ष्य को मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स के साथ एकीकृत करता है, जिससे मौजूदा लो-लेवल एट्रिब्यूशन और अनग्राउंडेड LLM-आधारित विधियों की सीमाओं को संबोधित किया जा सके।
यह शोध पत्र VibeThinker-3B को प्रस्तुत करता है, जो एक संक्षिप्त 3B-पैरामीटर वाला मॉडल है जो 'स्पेक्ट्रम-टू-सिग्नल' (Spectrum-to-Signal) पोस्ट-ट्रेनिंग प्रतिमान के माध्यम से AIME26 और LiveCodeBench जैसे कठिन बेंचमार्क पर फ्रंटियर-स्तर का सत्यापन योग्य तर्क प्रदर्शन प्राप्त करता है, जो इस धारणा को चुनौती देता है कि ऐसी क्षमताओं के लिए विशाल पैमाने की आवश्यकता होती है और 'पैरामीट्रिक कम्प्रेशन-कवरेज हाइपोथीसिस' (Parametric Compression-Coverage Hypothesis) का समर्थन करता है।
LiteOdyssey एक हल्का, व्याख्यात्मक (interpretable) AI एजेंट है जो मानव-इन-द-लूप पॉलिसी इटरेशन और सार्वजनिक बायोमेडिकल टूल्स का उपयोग करके एक एकल रीजनिंग मॉडल को क्लिनिकल जेनेटिक्स वर्कफ़्लो के माध्यम से निर्देशित करके, दुर्लभ-रोग निदान में अत्याधुनिक प्रदर्शन प्राप्त करता है, जिससे फाइन-ट्यूनिंग, मल्टी-एजेंट एन्सेम्बल या बड़े रिट्रीवल डेटाबेस की आवश्यकता समाप्त हो जाती है।
यह शोध पत्र "क्वालिटी-यूटिलिटी पैराडॉक्स" (गुणवत्ता-उपयोगिता विरोधाभास) को प्रकट करता है, जो यह प्रदर्शित करता है कि शक्तिशाली ओरेकल (Oracle) मॉडलों के गणितीय तर्क पथ, रिवॉर्ड मेट्रिक्स पर उच्च स्कोर करने के बावजूद, वितरण संबंधी विचलन (distributional drift) के कारण छोटे मॉडल के अपने स्वयं के पथों की तुलना में कम प्रदर्शन करते हैं, और "स्टाइल-अलाइन्ड रिफाइनमेंट" (शैली-अनुरूप परिशोधन) का प्रस्ताव करता है ताकि डिस्टिलेशन परिणामों को बेहतर बनाने के लिए तार्किक सुधारों को शामिल करते हुए शिक्षार्थी की मूल तर्क शैली को संरक्षित किया जा सके।
यह शोध पत्र तर्क देता है कि एआई बहुलवाद को केवल विविध मूल्यों के प्रतिनिधित्व से आगे बढ़कर "सत्तामीमांसीय समतलीकरण" (ontological flattening) को संबोधित करना चाहिए, जहाँ एआई सिस्टम जटिल वास्तविकताओं पर प्रतिबंधात्मक तकनीकी श्रेणियां थोपते हैं, और यह सुनिश्चित करने के लिए एक "बहुलवादी जीवनचक्र शासन" ढांचे का प्रस्ताव करता है कि एआई विकास प्रक्रिया के दौरान ज्ञानमीमांसीय समावेशन और प्रक्रियात्मक अधिकार बना रहे।
EgoPhys एक ऐसा फ्रेमवर्क है जो एकल-दृश्य (single-view) एगोसेंट्रिक RGB वीडियो से नियंत्रणीय विरूपणीय (deformable) डिजिटल ट्विन्स बनाने के लिए सामान्यीकरण योग्य भौतिकी मॉडल सीखता है, जो जटिल गतिकी (dynamics) के शून्य-शॉट (zero-shot) पूर्वानुमान को सक्षम बनाता है और प्रति-वस्तु अनुकूलन (per-object optimization) के बिना वास्तविक-विश्व रोबोटिक योजना की सुविधा प्रदान करता है।
यह शोध पत्र कैलिब्रेटेड वेरिएंस प्रोपेगेशन (CVP) का प्रस्ताव करता है, जो एक सैंपलिंग-मुक्त विधि है जो ट्रांसफॉर्मर्स और CNN जैसे आधुनिक डीप लर्निंग आर्किटेक्चर के लिए एकल फॉरवर्ड पास में कुशलतापूर्वक सुव्यवस्थित अनिश्चितता अनुमान उत्पन्न करती है, जो महंगी मोंटे कार्लो सैंपलिंग के समान सटीकता प्राप्त करते हुए कवरेज मेट्रिक्स में महत्वपूर्ण सुधार करती है।
यह शोध पत्र लेटेंट थॉट फ्लो (LTF) को प्रस्तुत करता है, जो एक ढांचा है जो तर्क को एक निरंतर GFlowNet का उपयोग करके परिवर्तनीय-लंबाई वाले निरंतर प्रक्षेप पथों (trajectories) के रूप में मॉडल करता है ताकि उत्तर की गुणवत्ता और कम्प्यूटेशनल लागत के बीच संतुलन को अनुकूलित किया जा सके, जिससे यह सटीकता और दक्षता दोनों में स्पष्ट चेन-ऑफ-थॉट (Chain-of-Thought) और मौजूदा लेटेंट रीजनिंग विधियों से बेहतर प्रदर्शन करता है।
SPARK एक रिट्रेनिंग-मुक्त, इन्फरेंस-टाइम फ्रेमवर्क है जो उपयोगिता से समझौता किए बिना लेटेंट सुरक्षा ज्ञान को सक्रिय करने के लिए रिट्रीवल-आधारित सुरक्षा संकेतों को हल्के, प्रीकंप्यूटेड टोकन बायस के साथ जोड़कर लार्ज लैंग्वेज मॉडल्स में सुरक्षित कोड जनरेशन को बढ़ाता है।
यह शोध पत्र यह प्रस्तावित करता है कि टोकन-स्तरीय शोर (token-level noise), अनुक्रम क्रमपरिवर्तन (sequence permutations) और लक्ष्य ऑफसेट भविष्यवाणी (target offset prediction) को डेटा ऑग्मेंटेशन तकनीकों के रूप में संयोजित करना ऑटोरेग्रेसिव लैंग्वेज मॉडल प्रीट्रेनिंग में ओवरफिटिंग को प्रभावी ढंग से कम करता है, जिससे निश्चित, डेटा-सीमित कॉर्पोरा पर उत्पादक मल्टी-एपॉक ट्रेनिंग सक्षम होती है।