23200 पेपर
IntentKV एक सीखा हुआ, क्रॉस-टर्न इंटेंट-अवेयर (intent-aware) KV कैश प्रूनिंग मेथड है जो एक फ्रोजन बेस LLM को बनाए रखते हुए सेशन-लेवल मेमोरी और एक ज़ीरो-इनिशियलाइज़्ड रेसिडुअल हेड का उपयोग करके टोकन को डायनेमिक रूप से स्कोर और रीडायरेक्ट करता है, जिससे न्यूनतम सटीकता हानि के साथ लॉन्ग-होरिज़न एजेंट इन्फरेंस के लिए पीक मेमोरी और KV रीड बैंडविड्थ में महत्वपूर्ण कमी आती है।
Co-GLANCE विषम रोबोट टीमों के लिए एक वास्तविक समय (real-time), ऑनबोर्ड सिस्टम है जो विजन-लैंग्वेज मॉडल रीजनिंग को एक कुशल एंड-टू-एंड मॉडल में संकुचित करता है और धारणा संबंधी अनिश्चितता को मापने के लिए कॉन्फॉर्मल प्रेडिक्शन का उपयोग करता है, जिससे सांख्यिकीय रूप से वैध, सक्रिय धारणा सक्षम होती है जो सटीकता और लेटेंसी (latency) में क्लाउड-आधारित बेसलाइनों से काफी बेहतर प्रदर्शन करती है।
यह शोध पत्र एक नवीन सूचना-सैद्धांतिक ढांचे का प्रस्ताव करता है जो बायोइलेक्ट्रिकल सिग्नल संपीड़न को एक मॉडल- और कार्य-आधारित प्रक्रिया के रूप में पुनर्व्याख्यायित करता है, जो ध्यान को कच्चे तरंग रूप (raw waveform) के संरक्षण से हटाकर केवल कार्य-स्तरीय व्याख्या के लिए आवश्यक अवशिष्ट सूचना (residual information) के प्रसारण पर केंद्रित करता है, जो शोर न्यूनीकरण, पैरामीट्रिक एनकोडिंग और सिमेंटिक फ़िल्टरिंग के तीन-स्तरीय पदानुक्रम के माध्यम से संपन्न होता है।
यह शोध पत्र एक नवीन फॉरवर्ड-ओनली कन्वोल्यूशनल न्यूरल नेटवर्क फ्रेमवर्क पेश करता है जो बेंचमार्क डेटासेट्स पर अत्याधुनिक प्रदर्शन प्राप्त करने के लिए सीखने योग्य चैनल-क्लास असाइनमेंट और लॉस-अवेयर लेयर वेटिंग का उपयोग करता है, जो बैकप्रोपैगेशन-आधारित विधियों के साथ के अंतर को महत्वपूर्ण रूप से कम करता है।
यह शोध पत्र GitInject को प्रस्तुत करता है, जो एक ओपन-सोर्स फ्रेमवर्क है जो यह प्रदर्शित करता है कि कैसे वास्तविक दुनिया के CI/CD पाइपलाइनों में एआई-संचालित एजेंट मॉडल की सीमाओं के बजाय संरचनात्मक बुनियादी ढांचे के दोषों के कारण प्रॉम्प्ट इंजेक्शन हमलों के प्रति संवेदनशील होते हैं, और इन आपूर्ति श्रृंखला जोखिमों को कम करने के लिए कार्रवाई योग्य वर्कफ़्लो-स्तरीय प्रतिउपाय प्रदान करता है।
RKSC एक प्रशिक्षण-मुक्त अनुमान ढांचा (training-free inference framework) है जो अटेंशन-समानता-आधारित KV कैश शेयरिंग, कॉन्फिडेंस-गेटेड अर्ली एग्जिट और एक चयनात्मक ब्लॉक कैश मैनेजर के माध्यम से संरचनात्मक अतिरेक को समाप्त करके मल्टी-स्टेप LLM रीजनिंग को त्वरित करता है, जिससे विविध मॉडलों और बेंचमार्क में नगण्य त्रुटि दरों के साथ औसतन 3x की गति वृद्धि प्राप्त होती है।
यह शोध पत्र एक संक्षिप्त प्रमाण ढांचे के माध्यम से क्रॉसकोडर्स (crosscoders) में फीचर इंटरैक्शन को औपचारिक रूप देता है, जिससे एक स्पष्ट इंटरैक्शन टर्म प्राप्त होता है जो महत्वपूर्ण रूप से बेहतर प्रदर्शन के साथ कम्प्यूटेशनल रूप से स्पार्स मॉडल प्राप्त करने के लिए एक डिफरेंशिएबल लॉस पेनल्टी के रूप में कार्य करता है और साथ ही सार्थक फीचर क्लस्टरिंग और स्लीपर एजेंटों का पता लगाने में सक्षम बनाता है।
यह शोध पत्र गिनी-समायोजित प्रति व्यक्ति सकल घरेलू उत्पाद सूचकांक (GAGI) प्रस्तुत करता है, जो एक पारदर्शी और पुनरुत्पादनीय कल्याण मीट्रिक है जो असमानता और मुद्रास्फीति के लिए सकल घरेलू उत्पाद (GDP) को समायोजित करता है, और G7 डेटा के माध्यम से यह प्रदर्शित करता है कि कल्याण-समायोजित समृद्धि, विशेष रूप से 2022 के बाद, मुख्यधारा की जीडीपी वृद्धि से तेजी से विचलित हुई है।
यह शोध पत्र एक डीप लर्निंग सिस्टम प्रस्तुत करता है जो हेड सीटी स्कैन में थ्रू-प्लेन स्पेसिंग को आधा करने के लिए इंटरमीडिएट सीटी स्लाइस को सिंथेसाइज करता है, जिससे एनिसोट्रॉपी और शोर (नॉइज़) दोनों को कम किया जाता है और विभिन्न लॉस फंक्शन्स के कठोर मूल्यांकन के माध्यम से क्लासिकल और वीडियो इंटरपोलेशन बेसलाइन्स की तुलना में बेहतर प्रदर्शन प्रदर्शित किया जाता है।
HydraCIL एक संसाधन-कुशल क्लास-इन्क्रीमेंटल लर्निंग फ्रेमवर्क है जो बैकबोन को फ्रीज करता है और अत्याधुनिक प्रदर्शन से मेल खाते हुए एम्बेडेड उपकरणों पर तीव्र, टिकाऊ अनुकूलन को सक्षम करने के लिए प्रोटोटाइप-गाइडेड, टास्क-विशिष्ट क्लासिफायर हेड्स का उपयोग करता है।