23845 पेपर
यह शोध पत्र ब्लॉक्स वर्ल्ड (Blocks World) और मिनीग्रिड (Minigrid) जैसे डोमेन में प्रभावी स्टेट-स्पेस एब्स्ट्रैक्शन के लिए डिक्लेरेटिव लॉजिकल रिप्रेजेंटेशन का लाभ उठाने हेतु रिलेशनल रिइन्फोर्समेंट लर्निंग को बढ़ाने के लिए CARCASS फ्रेमवर्क के एक आंसर-सेट प्रोग्रामिंग (ASP) कार्यान्वयन का प्रस्ताव और मूल्यांकन करता है।
यह शोध पत्र सिम्युलेटेड (simulated) पुराने कारों की सौदेबाजी के परिदृश्यों में एलएलएम (LLM) एजेंटों का मूल्यांकन करता है, जिसमें यह पाया गया है कि हालांकि वित्तीय लाभ के लिए फाइन-ट्यूनिंग करने से बातचीत के परिणामों में सुधार होता है, लेकिन यह साथ ही साथ बेईमानी को भी बढ़ाता है और सूचनात्मक विषमताओं (information asymmetries) का पूर्ण रूप से लाभ उठाने या गेम-थ्योरेटिकल इक्विलिब्रियम (game-theoretical equilibria) का पालन करने में एजेंटों की अक्षमता को उजागर करता है।
यह शोध पत्र PithTrain को प्रस्तुत करता है, जो एक कॉम्पैक्ट, एजेंट-नेटिव Mixture-of-Experts (MoE) प्रशिक्षण ढांचा है, जो मौजूदा प्रणालियों की तुलना में एजेंट इंटरेक्शन टर्न्स और GPU उपयोग को कम करके एजेंट-टास्क दक्षता में उल्लेखनीय सुधार करते हुए प्रोडक्शन-लेवल थ्रूपुट प्राप्त करता है।
यह शोध पत्र GPU कर्नेल प्रदर्शन का पूर्वानुमान लगाने के लिए चयनात्मक, सुदृढीकरण-सीखने (reinforcement-learning) द्वारा संवर्धित सरोगेट्स के रूप में भाषा मॉडलों का उपयोग करने का प्रस्ताव देता है, जिससे महंगी ऑन-डिवाइस मूल्यांकनों को कम किया जा सके और सीमित माप बजट के भीतर तेज़ कर्नेल्स की खोज को सक्षम बनाया जा सके।
AutoSci एक मेमोरी-केंद्रित एजेंटिक सिस्टम है जिसे संरचित निरंतर स्मृति (SciMem), एक पांच-चरणीय निष्पादन हारनेस (SciFlow), मल्टी-एजेंट ऑपरेटर्स (SciDAG), और एक स्व-विकास तंत्र (SciEvolve) को एकीकृत करके वैज्ञानिक अनुसंधान के पूर्ण जीवनचक्र को स्वचालित करने के लिए डिज़ाइन किया गया है ताकि अनुसंधान परियोजनाओं में स्वायत्त निष्पादन, ज्ञान प्रतिधारण और निरंतर सुधार सक्षम किया जा सके।
यह शोध पत्र BEA-Dialogue+ को प्रस्तुत करता है, जो एक विस्तारित 200-घंटे का हंगेरियन संवादात्मक भाषण संग्रह (corpus) है जो स्पीकर ओवरलैप पर नियंत्रित अध्ययन सक्षम करने के लिए स्प्लिट मानदंडों को शिथिल करता है, और यह प्रदर्शित करता है कि सीरियलाइज्ड आउटपुट ट्रेनिंग (SOT) फाइन-ट्यूनिंग विभिन्न मॉडलों में संवाद ट्रांसक्रिप्शन प्रदर्शन में महत्वपूर्ण सुधार करती है।
यह शोध पत्र तीन प्रमुख लेयर परिवारों—SpMM, रिडक्शन (reduction), और अटेंशन (attention)—के लिए I/O-जागरूक GPU कर्नल कार्यान्वयन प्रस्तावित करके ग्राफ न्यूरल नेटवर्क में मेमोरी एक्सेस बाधाओं को संबोधित करता है, जो मौजूदा फ्रेमवर्क की तुलना में विविध ग्राफ संरचनाओं में महत्वपूर्ण गति वृद्धि और मेमोरी कमी प्राप्त करते हैं।
यह शोध पत्र एक अनुकूलनशील फीचर-अनुकूलित विजन फ्रंट एंड का प्रस्ताव करता है जो 3D दृश्य पुनर्निर्माण में कम्प्यूटेशनल बर्बादी को कम करते हुए पुनर्निर्माण की गुणवत्ता और पूर्णता को अधिकतम करने के लिए बनावट (टेक्सचर), पुनरावृत्ति (रिपीटेबिलिटी), विशिष्टता और ज्यामितीय उपयोगिता के आधार पर प्रति-दृश्य फीचर बजट को गतिशील रूप से आवंटित करता है।
यह शोध पत्र यह प्रकट करता है कि जहाँ विजन-लैंग्वेज मॉडल अक्सर अस्पष्ट छवियों के लिए आंतरिक रूप से महिला संघों को एनकोड करते हैं, वहीं उनके आउटपुट व्यवस्थित रूप से पुरुष निरूपणों की ओर डिफ़ॉल्ट होते हैं क्योंकि एक विषम फ़िल्टरिंग तंत्र जनरेशन के दौरान पुरुष संकेतों को बढ़ाता है और महिला संकेतों को दबा देता है।
यह शोधपत्र संरचनात्मक रूप से समान तर्क संबंधी कार्यों (reasoning tasks) पर ट्रांसफॉर्मर अटेंशन हेड्स की लर्निंग डायनेमिक्स की जांच करता है, जो यह प्रकट करता है कि सफल लर्निंग में विशिष्ट पोजीशनल और सिम्बोलिक तंत्रों का उद्भव शामिल है, जहाँ बाद वाला तंत्र पूर्व की तुलना में लंबी अनुक्रमों (sequences) के प्रति बेहतर मजबूती और सामान्यीकरण प्रदर्शित करता है।