cs.AI

A Minimalist Brain-Computer Musical Interface for Real-Time Emotion-Driven Sonification: System Design and Preliminary Evaluation

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।

MURMUR: An Efficient Inference System for Long-Form ASR

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।

TimeSage-MT: A Multi-Turn Benchmark for Evaluating Agentic Time Series Reasoning

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।

Move the Query, Not the Cache: Characterizing Cross-Instance Latent Attention Redistribution Across GPU Fabrics

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।

On the Limits of Token Reduction for Efficient Unified Vision Language Training

Agent Operating Systems (AOS): Integrating Agentic Control Planes into, and Beyond, Traditional Operating Systems

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।

ProbMoE: Differentiable Probabilistic Routing for Mixture-of-Experts

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-$k$ चयन की गैर-अवकलनीयता (non-differentiability) को दूर करता है, जिससे बेहतर विशेषज्ञ उपयोग और प्रदर्शन के साथ सटीक-$k$ और गतिशील-$k$ रूटिंग सक्षम होती है।

TERRA: Task-Embedded Reasoning and Representation Architecture for Cross-Domain Applications

यह शोध पत्र TERRA का प्रस्ताव करता है, जो एक सैद्धांतिक ढांचा है जो संरचनात्मक रूप से समान लेकिन असंबंधित डोमेन (जैसे ड्राइविंग और वित्त) के बीच एक्शन-कंडीशन्ड लेटेंट प्रेडिक्टिव मॉडल्स को स्थानांतरित करने की स्थितियों और सीमाओं को औपचारिक रूप देता है, जो उन्हें ग्रेडेड लेटेंट ग्रिड्स पर नियंत्रित मार्कोव प्रक्रियाओं के रूप में मॉडल करता है और बिना किसी अनुभवजन्य परिणाम प्रस्तुत किए एक फाल्सीफिएबल (falsifiable) "स्ट्रक्चर्ड-स्टेट ट्रांसफर हाइपोथेसिस" व्युत्पन्न करता है।

TN-SHAP-G: Graph-Structured Tensor Network Surrogates for Shapley Values and Interactions

यह शोध पत्र TN-SHAP-G को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो ग्राफ-संरचित इनपुट के लिए सटीक शापली मानों (Shapley values) और उच्च-क्रम की अंतःक्रियाओं (higher-order interactions) को कुशलतापूर्वक रूप से गणना करने के लिए ग्राफ-संरेखित टेंसर नेटवर्क सरोगेट्स का उपयोग करता है, जिससे पारंपरिक विधियों में निहित घातांकीय जटिलता और सैंपलिंग विचरण (sampling variance) पर विजय प्राप्त होती है।

RoleCDE:Benchmarking and Mitigating Role-Alignment Trade-offs in Role-Playing Agents

यह शोध पत्र RoleCDE को प्रस्तुत करता है, जो रोल-प्लेइंग एजेंटों में "रोल वैल्यू डिकपलिंग" (भूमिका मूल्य विच्छेद) घटना का मूल्यांकन करने और उसे कम करने के लिए डिज़ाइन किया गया एक बड़े पैमाने का बेंचमार्क है, जहाँ मॉडल संघर्षों के दौरान भूमिका-विशिष्ट मूल्यों के बजाय संरेखण (अलाइनमेंट) को प्राथमिकता देते हैं, यह प्रदर्शित करते हुए कि लक्षित फाइन-ट्यूनिंग सामान्य प्रदर्शन को बनाए रखते हुए इन समझौतों को प्रभावी ढंग से हल कर सकती है।