10824 पेपर
यह शोध पत्र एक सेगमेंट-स्तरीय कोहेरेंस प्रोबिंग विधि प्रस्तुत करता है जो हानिकारक CBRN-संबंधित इरादों का मजबूती से पता लगाने के लिए कई साक्ष्य टोकन को एकत्रित करता है, जो अनुकूलित जेलब्रेकिंग और कैरेक्टर-लेवल अस्पष्टता के विरुद्ध भी उच्च पहचान सटीकता बनाए रखते हुए फॉल्स पॉजिटिव्स को काफी कम करता है।
RACER एक हल्का, प्रशिक्षण-मुक्त तरीका है जो मौजूदा स्पेक्युलेटिव डिकोडिंग दृष्टिकोणों की सीमाओं को दूर करने के लिए रिट्रीवल-आधारित सटीक पैटर्न को लॉजिट-संचालित भविष्य के संकेतों के साथ एकीकृत करके लार्ज लैंग्वेज मॉडल इन्फरेंस को तेज करता है, जिससे पूर्ववर्ती तरीकों से बेहतर प्रदर्शन करते हुए 2x से अधिक की गति वृद्धि प्राप्त होती है।
यह शोध पत्र प्रकट करता है कि जहाँ तर्क-प्रशिक्षित विज़न-लैंग्वेज मॉडल अधिक सुदृढ़ सुधारात्मक व्यवहार प्रदर्शित करते हैं, वहीं वे "उत्तर जड़ता" (answer inertia) और भ्रामक पाठ्य संकेतों के प्रति संवेदनशील बने रहते हैं जो मोडैलिटी निर्भरता को अस्पष्ट कर सकते हैं, जो यह दर्शाता है कि चेन-ऑफ-थॉट स्पष्टीकरण यह देखने का केवल एक आंशिक और संभावित रूप से भ्रामक दृष्टिकोण प्रदान करते हैं कि ये मॉडल दृश्य और पाठ्य जानकारी को कैसे एकीकृत करते हैं।
यह शोध पत्र अनिश्चितता वाले एफ़ॉर्डेंस बाधाओं (affordance constraints) वाले गतिशील वातावरण में एम्बोडीड एजेंटों (embodied agents) के मूल्यांकन के लिए DynAfford नामक एक बेंचमार्क पेश करता है, और ADAPT प्रस्तावित करता है, जो एक प्लग-एंड-प्ले मॉड्यूल है जो डोमेन-अनुकूलित विज़न-लैंग्वेज मॉडल द्वारा संचालित स्पष्ट एफ़ॉर्डेंस रीजनिंग को एकीकृत करके प्लानिंग की मजबूती को बढ़ाता है।
यह शोध पत्र LongAct का प्रस्ताव करता है, जो एक सुदृढीकरण शिक्षण (reinforcement learning) रणनीति है जो उच्च-परिमाण, विरल सक्रियता पैटर्न (high-magnitude, sparse activation patterns) से जुड़े भारों की पहचान करके और उन्हें चुनिंदा रूप से अपडेट करके दीर्घ-संदर्भ तर्क (long-context reasoning) में सुधार करती है, जिससे विविध बेंचमार्क और एल्गोरिदम में महत्वपूर्ण प्रदर्शन लाभ प्राप्त होता है।
यह शोध पत्र "IE-as-Cache" का प्रस्ताव करता है, जो पारंपरिक सूचना निष्कर्षण (Information Extraction) को एक गतिशील, पुन: प्रयोज्य संज्ञानात्मक कैश (cognitive cache) में परिवर्तित करता है ताकि शोर को फ़िल्टर किया जा सके और मध्यवर्ती संरचित जानकारी को बनाए रखा जा सके, जिससे विभिन्न बड़े भाषा मॉडलों (large language models) में बहु-चरणीय एजेंटिक तर्क (multi-step agentic reasoning) को महत्वपूर्ण रूप से बढ़ाया जा सके।
यह शोधपत्र Text2Arch को प्रस्तुत करता है, जो वैज्ञानिक आर्किटेक्चर आरेख (diagrams) के साथ उनके टेक्स्टुअल विवरण और DOT कोड का एक व्यापक डेटासेट है, जो भाषा मॉडलों को प्राकृतिक भाषा से उच्च-सटीकता वाले आरेख उत्पन्न करने के लिए प्रशिक्षित करने में सक्षम बनाता है, जिससे GPT-4o के तुलनीय प्रदर्शन प्राप्त होता है और मौजूदा बेसलाइन की तुलना में काफी बेहतर प्रदर्शन किया जाता है।
यह शोधपत्र ConfGuide प्रस्तुत करता है, जो एक नवीन हाइब्रिड निर्णय लेने वाला ढांचा है जो मानव निर्णयकर्ताओं के लिए संक्षिप्त, लक्षित पाठ्य मार्गदर्शन उत्पन्न करने हेतु कॉन्फॉर्मल रिस्क कंट्रोल का लाभ उठाता है, जिससे जटिल मल्टी-लेबल चिकित्सा निदान कार्यों में निर्णय की गुणवत्ता में सुधार होता है और संज्ञानात्मक भार कम होता है।
यह शोध पत्र "प्रोलेप्सिस" (prolepsis) को प्रस्तुत करता है, जो छोटे ट्रांसफॉर्मर में एक वास्तुशिल्प तंत्र है जहाँ विशिष्ट अटेंशन हेड्स (attention heads) कार्य-विशिष्ट प्रारंभिक और अपरिवर्तनीय प्रतिबद्धताएँ करते हैं जो बिना किसी सुधार के बनी रहती हैं, एक ऐसी घटना जो विभिन्न मॉडलों और कार्यों में दोहराई जाती है जबकि मानक व्याख्यात्मकता विधियों (interpretability methods) के लिए अदृश्य बनी रहती है।
OpenMobile एक ओपन-सोर्स फ्रेमवर्क है जो एक स्केलेबल एक्सप्लोरेशन पाइपलाइन और पॉलिसी-स्विचिंग रणनीति के माध्यम से उच्च-गुणवत्ता वाले टास्क निर्देशों और एजेंट ट्रेजेक्टरीज को संश्लेषित करता है, जिससे इसके डेटा पर प्रशिक्षित एजेंटों को मोबाइल बेंचमार्क पर प्रतिस्पर्धी प्रदर्शन प्राप्त करने में सक्षम बनाया जा सके और यह सुनिश्चित किया जा सके कि परिणाम ओवरफिटिंग के बजाय व्यापक कार्यक्षमता से उत्पन्न होते हैं।