23845 पेपर
यह शोध पत्र MM-PoisonRAG को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो यह प्रदर्शित करता है कि मल्टीमॉडल रिट्रीवल-ऑगमेंटेड जनरेशन सिस्टम लक्षित स्थानीय पॉइजनिंग (targeted local poisoning) और व्यापक वैश्विक पॉइजनिंग (broad global poisoning) दोनों प्रकार के हमलों के प्रति अत्यधिक संवेदनशील हैं, जो मॉडल की सटीकता को गंभीर रूप से कम कर सकते हैं और मौजूदा सुरक्षा प्रणालियों को बायपास कर सकते हैं।
यह सर्वेक्षण एक नवीन वर्गीकरण स्थापित करके, डेटा की कमी और व्याख्यात्मकता जैसे महत्वपूर्ण रुझानों और चुनौतियों की पहचान करके, और समुद्री निगरानी प्रणालियों को बेहतर बनाने के लिए भविष्य की अनुसंधान दिशाओं को रेखांकित करके, सिंथेटिक अपर्चर रडार (SAR) जहाज वर्गीकरण के लिए डीप लर्निंग तकनीकों का व्यापक रूप से विश्लेषण करता है।
STFlow एक नवीन जनरेटिव मॉडल है जो ज्यामितीय समरूपताओं (geometric symmetries) का सम्मान करते हुए N-body, आणविक और मानव गतिकी प्रणालियों में जटिल, बहु-स्तरीय प्रक्षेप पथों (multi-scale trajectories) को कुशलतापूर्वक और सटीक रूप से सिम्युलेट करने के लिए इन्फॉर्म्ड रैंडम-वॉक प्रायर्स (informed random-walk priors) के साथ डेटा-कपल्ड फ्लो मैचिंग का लाभ उठाता है।
ASTRA एक संचार-कुशल (communication-efficient) फ्रेमवर्क है जो मल्टी-डिवाइस ट्रांसफॉर्मर इन्फरेंस के लिए सीक्वेंस पैरेललिज्म को मिक्स्ड-प्रिसिजन अटेंशन और नवीन क्वांटाइजेशन तकनीकों के साथ जोड़ता है ताकि कम-बैंडविड्थ और अस्थिर नेटवर्क स्थितियों में भी सटीकता बनाए रखते हुए महत्वपूर्ण गति प्राप्त की जा सके।
यह शोधपत्र MMTABREAL को प्रस्तुत करता है, जो 500 वास्तविक-विश्व मल्टीमॉडल तालिकाओं का एक मानव-क्यूरेटेड बेंचमार्क है जिसमें 4,000 से अधिक प्रश्न-उत्तर जोड़े हैं, जिसे वर्तमान मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स में महत्वपूर्ण तर्क (reasoning) और ग्राउंडिंग सीमाओं का कठोरता से मूल्यांकन करने और उन्हें उजागर करने के लिए डिज़ाइन किया गया है।
यह शोध पत्र 500 वास्तविक दुनिया के कार्यों में पांच अत्याधुनिक ऑटोमेटेड प्रोग्राम रिपेयर एजेंटों का एक व्यवस्थित अनुभवजन्य अध्ययन प्रस्तुत करता है, जो यह प्रकट करता है कि जबकि वे सरल सुधारों में उत्कृष्ट हैं, वे आदिम टूलिंग और टेस्ट जनरेशन की बाधाओं के कारण तर्क-गहन बग्स (logic-intensive bugs) के साथ संघर्ष करते हैं, जिससे समृद्ध टूल इकोसिस्टम, विविध आर्किटेक्चर और सतही मेट्रिक्स के बजाय सिमेंटिक शुद्धता को प्राथमिकता देने वाले बेंचमार्क की ओर बदलाव को प्रोत्साहन मिलता है।
यह शोध पत्र डेटासेट, एल्गोरिदम और मूल्यांकन पद्धतियों में मुख्य कमियों की पहचान करते हुए पॉइंट ऑफ इंटरेस्ट (POI) अनुशंसा की वर्तमान स्थिति का आलोचनात्मक मूल्यांकन करता है, और इन खामियों को दूर करने तथा वास्तविक दुनिया की प्रयोज्यता को बढ़ाने के लिए एक संरचित अनुसंधान एजेंडा प्रस्तावित करता है।
यह शोध पत्र प्रक्षेपवक्र (ट्रैजेक्टरी) और चरण (स्टेप) स्तरों पर तर्क पथों का विश्लेषण करने वाले एक नवीन ढांचे को प्रस्तुत करता है जो यह प्रकट करता है कि सत्यापन योग्य पुरस्कारों के साथ सुदृढीकरण शिक्षण (RLVR) गलत प्रक्षेपवक्रों को संकुचित करता है और तर्क को कम चरणों में केंद्रित करता है, जबकि पर्यवेक्षित सूक्ष्म-ट्यूनिंग (SFT) सही प्रक्षेपवक्रों का विस्तार करता है और तर्क को कई चरणों में वितरित करता है, जिससे वर्तमान दो-चरणीय प्रशिक्षण प्रतिमान की पूरक सफलता की व्याख्या होती है।
यह शोध पत्र डेटा की कठिनाई को मापने और यह प्रकट करने के लिए कि मॉडल की प्रभावशीलता पूर्वानुमान कार्य की अंतर्निहित पूर्वानुमेयता पर निर्भर करती है, स्पेक्ट्रल कोहेरेंस (spectral coherence) पर आधारित एक नवीन प्रेडिक्टेबिलिटी-अलाइन्ड मूल्यांकन ढांचे को प्रस्तुत करता है, जिसमें स्पेक्ट्रल कोहेरेंस प्रेडिक्टेबिलिटी (SCP) और लीनियर यूटिलाइजेशन रेशियो (LUR) मेट्रिक्स शामिल हैं, ताकि मानक बेंचमार्क की सीमाओं को दूर किया जा सके।
यह शोध पत्र एक एकीकृत, हल्के रिग्रेशन लैंग्वेज मॉडल (RLM) को प्रस्तुत करता है जो विभिन्न प्रोग्रामिंग भाषाओं और हार्डवेयर प्लेटफॉर्म्स में मेमोरी फुटप्रिंट, लेटेंसी और एक्यूरेसी सहित विविध कोड निष्पादन मेट्रिक्स की सटीक भविष्यवाणी करने के लिए एक फ्रोजन (frozen) LLM एनकोडर का लाभ उठाता है, जो बिना किसी कार्य-विशिष्ट अनुकूलन के पूर्व फीचर-इंजीनियर्ड और ग्राफ-आधारित दृष्टिकोणों से बेहतर प्रदर्शन करता है।