23845 पेपर
यह शोध पत्र रीजनिंग इन मेमोरी (RiM) का परिचय देता है, जो एक कंप्यूट-कुशल लेटेंट रीजनिंग विधि है जो ऑटोरेग्रेसिव थॉट जनरेशन को फिक्स्ड मेमोरी ब्लॉक्स से बदल देती है, जिससे लार्ज लैंग्वेज मॉडल्स को मध्यवर्ती चरणों को बाहरी रूप से प्रस्तुत किए बिना आंतरिक तर्क के लिए वर्किंग मेमोरी का उपयोग करने में सक्षम बनाया जा सके।
यह शोधपत्र प्राकृतिक-भाषा विसंगति स्पष्टीकरणों के साथ एक नया बेंचमार्क, VisAnomBench, और एक पैरामीटर-कुशल विजन-लैंग्वेज मॉडल, VisAnomReasoner, प्रस्तुत करता है जो इस क्यूरेटेड डेटासेट पर फाइन-ट्यूनिंग का लाभ उठाकर टाइम-सीरीज विसंगति पहचान (anomaly detection) और स्थानीयकरण (localization) में मौजूदा बेसलाइनों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र SchGen को प्रस्तुत करता है, जो प्राकृतिक भाषा के अनुरोधों से संपादन योग्य (editable) PCB स्कीमैटिक्स उत्पन्न करने में सक्षम पहला लार्ज लैंग्वेज मॉडल है, जो पारंपरिक ज्यामिति-प्रधान (geometry-heavy) स्कीमैटिक प्रारूपों की सीमाओं को दूर करने के लिए एक नवीन अर्थपूर्ण रूप से आधारित (semantically grounded) कोड प्रतिनिधित्व और एक बड़े पैमाने के डेटासेट का उपयोग करके उच्च सटीकता प्राप्त करता है।
यह शोध पत्र LLMSurgeon को प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो व्यवस्थित डोमेन भ्रम (systematic domain confusion) को ठीक करने के लिए एक प्रतिबंधित व्युत्क्रम समस्या (constrained inverse problem) को हल करके लार्ज लैंग्वेज मॉडल्स के प्रीट्रेनिंग डेटा मिश्रण का अनुमान लगाता है, जिससे मॉडल के प्रशिक्षण डेटा तक पहुँच प्राप्त किए बिना उसके "डिजिटल डीएनए" के पोस्ट-हॉक ऑडिटिंग को सक्षम बनाया जा सके।
यह शोधपत्र VideoMLA प्रस्तुत करता है, जो एक नवीन आर्किटेक्चर है जो मिनट-स्केल ऑटोरेग्रेसिव वीडियो डिफ्यूजन में मल्टी-हेड लेटेंट अटेंशन को लागू करता है, जिससे बेसलाइन गुणवत्ता को बनाए रखते हुए या उससे बेहतर प्रदर्शन करते हुए, KV कैश मेमोरी में 92.7% की कमी और 1.23x थ्रूपुट सुधार प्राप्त होता है, भले ही यह विधि इस तथ्य के बावजूद सफल होती है कि प्रीट्रेंड अटेंशन स्वाभाविक रूप से लो-रैंक नहीं है।
यह केस स्टडी यह प्रदर्शित करती है कि हालांकि एआई एजेंट स्वायत्त रूप से वैज्ञानिक सॉफ्टवेयर विकसित कर सकते हैं, भौतिकी के संदर्भों में उनकी विश्वसनीयता केवल मॉडल स्केलिंग के बजाय मानव पर्यवेक्षण प्रथाओं—जैसे कि विविध परीक्षण और स्पष्ट भौतिक बाधाओं—पर महत्वपूर्ण रूप से निर्भर करती है, क्योंकि एजेंट वर्तमान में सतही लक्षण सुधारों और वास्तविक मूल-कारण समाधानों के बीच अंतर करने या आवश्यक संरचनात्मक परिवर्तनों का प्रस्ताव देने में संघर्ष करते हैं।
DSSE एक PettingZoo-आधारित ड्रोन स्वार्म सर्च एनवायरनमेंट है जिसे उन मल्टी-एजेंट रीइन्फोर्समेंट लर्निंग एल्गोरिदम के अध्ययन को सुगम बनाने के लिए डिज़ाइन किया गया है जो प्रत्यक्ष दूरी-आधारित रिवार्ड्स के बिना लक्ष्य स्थानीयकरण के लिए डायनेमिक प्रोबेबिलिटी मैप्स का उपयोग करते हैं।
यह शोध पत्र जनरलाइज्ड होलोग्राफिक रिड्यूस्ड रिप्रेजेंटेशन्स (GHRR) को प्रस्तुत करता है, जो हाइपरडायमेंशनल कंप्यूटिंग का एक नवीन विस्तार है, जो जटिल संरचनात्मक संयोजन को बेहतर ढंग से एनकोड करने और अटेंशन मैकेनिज्म को लागू करने के लिए एक लचीले, नॉन-कम्यूटेटिव बाइंडिंग ऑपरेशन का उपयोग करता है, और अंततः भाषा मॉडलिंग कार्यों में वैनिला ट्रांसफॉर्मर्स की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह अध्ययन प्रदर्शित करता है कि PROMISE डेटासेट पर स्ट्रैटिफाइड K-फोल्ड क्रॉस-वैलिडेशन के साथ SMOTE-Tomek प्रीप्रोसेसिंग लागू करने से कार्यात्मक और गैर-कार्यात्मक आवश्यकताओं के वर्गीकरण की सटीकता में महत्वपूर्ण सुधार होता है, जिससे लॉजिस्टिक रिग्रेशन का प्रदर्शन 58.31% के बेसलाइन से बढ़कर 76.16% हो जाता है।
यह शोधपत्र TELLME प्रस्तुत करता है, जो एक नवीन विधि है जो उनके अंतर्निहित चिंतन प्रक्रियाओं (latent thinking processes) में सुधार करके लार्ज लैंग्वेज मॉडल्स की अंतर्निहित पारदर्शिता और निगरानी क्षमता को बढ़ाती है, जिससे अनुपयुक्त व्यवहारों की अधिक प्रभावी पहचान संभव हो पाती है और विविध आर्किटेक्चर एवं डिटॉक्सिफिकेशन कार्यों में निरंतर प्रदर्शन लाभ प्रदर्शित होता है।