23200 पेपर
यह मिश्रित-पद्धति वाला अध्ययन जर्मन सॉफ्टवेयर इंजीनियरों के बीच जनरेटिव एआई उपकरणों को अपनाने की गतिशीलता की जांच करता है, जो यह प्रकट करता है कि अनुभव का स्तर और संगठनात्मक आकार कथित लाभों और उपयोग की तीव्रता को महत्वपूर्ण रूप से प्रभावित करते हैं, जबकि सीमित प्रोजेक्ट संदर्भ जागरूकता प्रभावी कार्यान्वयन के लिए प्राथमिक बाधा बनी हुई है।
यह शोध पत्र क्वेरी ऑटो-कंप्लीशन के लिए एक एकीकृत ढांचे को प्रस्तुत करता है जो इस कार्य को रिट्रीवल-ऑगमेंटेड जनरेशन और मल्टी-ऑब्जेक्टिव डायरेक्ट प्रेफरेंस ऑप्टिमाइज़ेशन का उपयोग करके एंड-टू-एंड लिस्ट जनरेशन के रूप में पुनर्गठित करता है, जिससे पारंपरिक रिट्रीवल पाइपलाइनों और जेनेरेटिव हैलुसिनेशन की सीमाओं को संबोधित करते हुए ऑफलाइन मेट्रिक्स, मानवीय प्राथमिकता और ऑनलाइन उपयोगकर्ता जुड़ाव में महत्वपूर्ण सुधार प्राप्त होता है।
यह शोध पत्र जनरल-जियोमेट्री न्यूरल व्हिटनी फॉर्म्स (Geo-NeW) को प्रस्तुत करता है, जो एक डेटा-संचालित परिमित तत्व विधि (finite element method) है जो आंशिक अंतर समीकरणों (Partial Differential Equations) को हल करने के लिए भौतिक संरक्षण नियमों को बनाए रखने और अनदेखी ज्यामितिओं (unseen geometries) के प्रति उत्कृष्ट सामान्यीकरण प्राप्त करने हेतु विभेदक ऑपरेटरों और सुसंगत न्यूनीकरण स्थानों (compatible reduced spaces) को संयुक्त रूप से सीखता है।
मेमकास्ट (MemCast) टाइम सीरीज़ फोरकास्टिंग के लिए एक मेमोरी-ड्रिवन फ्रेमवर्क है जो प्रशिक्षण डेटा को पैटर्न, रीजनिंग विजडम और सामान्य नियमों की एक पदानुक्रमित स्मृति (hierarchical memory) में व्यवस्थित करके इस कार्य को अनुभव-सशर्त तर्क (experience-conditioned reasoning) के रूप में पुनर्गठित करता है, जबकि निरंतर विकास को सक्षम करने और अत्याधुनिक प्रदर्शन प्राप्त करने के लिए एक गतिशील आत्मविश्वास अनुकूलन रणनीति (dynamic confidence adaptation strategy) का उपयोग करता है।
यह शोध पत्र RankLLM का प्रस्ताव करता है, जो एक नवीन ढांचा है जो सूक्ष्म-स्तरीय, स्थिर और कुशल मूल्यांकन को सक्षम करने के लिए द्विदिश स्कोर प्रसार (bidirectional score propagation) के माध्यम से प्रश्न की कठिनाई और मॉडल की सक्षमता दोनों को परिमाणित करता है, जो IRT जैसे मौजूदा बेंचमार्क और बेसलाइन से बेहतर प्रदर्शन करता है।
MALLVI एक मल्टी-एजेंट फ्रेमवर्क है जो रोबोटिक मैनिपुलेशन के लिए मजबूत, क्लोज्ड-लूप क्षमता सक्षम करने हेतु लार्ज लैंग्वेज और विजन मॉडल्स का लाभ उठाता है, जो धारणा (perception), तर्क (reasoning) और लक्षित त्रुटि सुधार (targeted error recovery) के लिए विशिष्ट एजेंटों को समन्वित करता है, जिससे ओपन-लूप दृष्टिकोणों की तुलना में ज़ीरो-शॉट कार्यों में सफलता दर में सुधार होता है।
यह शोध पत्र डिस्टिलिंग सॉफ्ट लेबल्स (DSL) नामक एक नवीन टॉपिक मॉडलिंग फ्रेमवर्क प्रस्तावित करता है जो प्रशिक्षण के लिए संदर्भपूर्ण रूप से समृद्ध सॉफ्ट लेबल्स उत्पन्न करने हेतु लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे पारंपरिक विधियों की तुलना में टॉपिक कोहेरेंस (विषय सुसंगतता), असाइनमेंट सटीकता और डॉक्यूमेंट रिट्रीवल प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र टीम-टीचिंग कक्षाओं में ध्वनिक पैटर्न का विश्लेषण करने के लिए एक एआई-संचालित स्पीच प्रोसेसिंग दृष्टिकोण का उपयोग करता है, जो यह प्रकट करता है कि अनुभवी शिक्षकों, स्नातक समूहों और सहयोगात्मक शिक्षण कार्यों की विशेषता अधिक तीव्रता वाले उतार-चढ़ाव (loudness variation) है, जो संभवतः जुड़ाव को बढ़ावा देता है और प्रमुख जानकारी को रेखांकित करता है।
यह शोध पत्र एजेंटिक सोशल अफोर्डेंस फ्रेमवर्क (ASAF) प्रस्तुत करता है, जो एक ऐसा सैद्धांतिक मॉडल है जो यह प्रतिपादित करता है कि एजेंट पहचान डिजाइन, मल्टी-एजेंट सिस्टम में एक विशिष्ट, ऑर्थोगोनल सहयोग इंटरफेस के रूप में कार्य करता है जो पहचान संकेत (identity signaling) और व्यवहारिक प्राइमिंग (behavioral priming) जैसे तंत्रों के माध्यम से मानव जुड़ाव को आकार देता है, जिससे यह पारंपरिक द्विपक्षीय अफोर्डेंस सिद्धांतों से आगे बढ़कर मानव-एजेंट सहयोग के परिणामों को अनुकूलित करता है।
यह शोध पत्र Self-EmoQ का प्रस्ताव करता है, जो एक सुदृढीकरण अधिगम (reinforcement learning) आधारित ढांचा है जो टेक्स्ट जनरेशन से पूर्व एक LLM को भावनाओं की अवस्थाओं की सक्रिय रूप से योजना बनाने में सक्षम करने के लिए प्लुटचिक के इमोशन व्हील (Plutchik's wheel of emotions) का उपयोग करता है, जिससे एक उच्च-गुणवत्ता वाला, स्ट्रीमिंग इमोशनल टेक्स्ट-टू-स्पीच सिस्टम संचालित होता है जो भावना निर्धारण और प्रतिक्रिया गुणवत्ता दोनों में मौजूदा बेसलाइन से बेहतर प्रदर्शन करता है।