23606 पेपर
यह शोध पत्र CEAR प्रस्तुत करता है, जो एक एन्सेम्बल-आधारित रक्षा विधि है जो कई डेटासेट के विरुद्ध एडेप्टिव व्हाइट-बॉक्स हमलों के खिलाफ श्रेष्ठ प्रमाणित सुदृढ़ता (certified robustness) प्राप्त करने के लिए एम्पिरिकल ट्रेनिंग को रैंडमाइज्ड स्मूथिंग और नवीन वोटिंग तंत्रों के साथ जोड़ती है।
UR-JEPA यूनिफॉर्म रेक्टिफिएबिलिटी (uniform rectifiability) और एक कारलेसन-प्रकार के स्क्वायर फंक्शन (Carleson-type square function) पर आधारित एक नवीन रेगुलराइज़र पेश करता है ताकि जॉइंट-एम्बेडिंग प्रेडिक्टिव आर्किटेक्चर (Joint-Embedding Predictive Architectures) में रिप्रेजेंटेशन कोलैप्स (representation collapse) को रोका जा सके, जिससे काफी कम ट्रेनिंग वेरिएंस के साथ प्रतिस्पर्धी सटीकता प्राप्त होती है और मौजूदा विधियों की तुलना में एम्बेडिंग स्पेस में एक विशिष्ट, निम्न-आयामी ज्यामितीय संरचना प्रेरित होती है।
यह शोध पत्र कम्प्यूटेशन-अवेयर स्टेट-स्पेस मॉडल (CASSM) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो कम्प्यूटेशनल अनिश्चितता और मॉडल चयन को शामिल करके बड़े पैमाने के न्यूरल डेटासेट के लिए बेयसियन लेटेंट वेरिएबल मॉडलिंग का विस्तार करता है, जिससे डेटा की कमी वाले परिदृश्यों में बेहतर अनिश्चितता अंशांकन (uncertainty calibration) प्रदान करते हुए डीप नेटवर्क्स के साथ प्रतिस्पर्धी प्रदर्शन प्राप्त किया जा सके।
यह शोध पत्र एक न्यूनतम वास्तविक समय मस्तिष्क-कंप्यूटर संगीतमय इंटरफ़ेस प्रस्तुत करता है जो प्रीफ्रंटल ईईजी (EEG) गतिविधि को अनुकूल संगीत में अनुवादित करता है, लेकिन 22 प्रतिभागियों के साथ एक प्रारंभिक मूल्यांकन से पता चला कि फ्रंटल अल्फा एसिमेट्री (frontal alpha asymmetry) स्वैच्छिक भावनात्मक मॉड्यूलेशन के लिए एक अविश्वसनीय संकेत है, जिसमें प्रयोगात्मक हेरफेर की तुलना में व्यक्तिगत अंतर काफी अधिक विचरण (variance) की व्याख्या करते हैं।
मर्मर (Murmur) लॉन्ग-फॉर्म ऑटोमैटिक स्पीच रिकग्निशन के लिए एक कुशल इन्फरेंस सिस्टम है जो चंक साइज़ को ऑप्टिमाइज़ करके और स्लाइडिंग विंडो KV कैश इविक्शन पॉलिसी का उपयोग करके सटीकता-विलंबता (accuracy-latency) के बीच के संतुलन को हल करता है, जिससे काफी कम विलंबता के साथ सिंगल-पास सटीकता प्राप्त होती है।
यह शोधपत्र TimeSage-MT को प्रस्तुत करता है, जो एजेंटिक टाइम सीरीज़ रीजनिंग (agentic time series reasoning) का मूल्यांकन करने के लिए आठ वास्तविक दुनिया के डोमेन में 240 कार्यों वाला एक मल्टी-टर्न बेंचमार्क है, जो वर्तमान LLMs में मेमोरी, अनिश्चितता प्रबंधन और निर्णय लेने के संबंध में महत्वपूर्ण प्रदर्शन अंतराल को प्रकट करता है और भविष्य के विकास के लिए एक आधार प्रदान करता है।
यह शोध पत्र यह प्रदर्शित करके फ्रंटियर LLMs में क्रॉस-इंस्टेंस अटेंशन को अभिलक्षित करता है कि कंप्रेस्ड क्वेरी वेक्टर्स को रूट करना अक्सर GPU फैब्रिक्स के माध्यम से KV-कैश ब्लॉक्स को स्थानांतरित करने की तुलना में अधिक कुशल होता है, और वास्तविक मल्टी-नोड H100 क्लस्टर्स पर इस विकल्प को अनुकूलित करने के लिए एक मान्य टोपोलॉजी-अवेयर कॉस्ट मॉडल और निर्णय प्रेडिकेट प्रदान करता है।
यह शोध पत्र एक एजेंट ऑपरेटिंग सिस्टम (AOS) की अवधारणा प्रस्तुत करता है, जो एक नया सिस्टम आर्किटेक्चर है जो संभाव्य (probabilistic), लक्ष्य-निर्देशित AI एजेंटों द्वारा उत्पन्न अद्वितीय शेड्यूलिंग, मेमोरी, सुरक्षा और गवर्नेंस की चुनौतियों को संबोधित करने के लिए पारंपरिक ऑपरेटिंग सिस्टम के भीतर या उनके साथ एजेंटिक कंट्रोल प्लेन को एकीकृत करता है, ताकि यह सुनिश्चित किया जा सके कि वे बड़े पैमाने पर नियंत्रणीय, जवाबदेह और सुरक्षित बने रहें।
यह शोध पत्र ProbMoE को प्रस्तुत करता है, जो Mixture-of-Experts मॉडलों के लिए एक अवकलनीय (differentiable) संभाव्य रूटिंग ढांचा है, जो कार्डिनैलिटी-प्रतिबंधित उपसमुच्चयों (cardinality-constrained subsets) पर संभाव्य अनुमान (probabilistic inference) के रूप में विशेषज्ञ रूटिंग को व्यवस्थित करके top- चयन की गैर-अवकलनीयता (non-differentiability) को दूर करता है, जिससे बेहतर विशेषज्ञ उपयोग और प्रदर्शन के साथ सटीक- और गतिशील- रूटिंग सक्षम होती है।