11070 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि निर्देश-अनुरूप (instruction-tuned) LLMs को भाषा-विशिष्ट बेस मॉडल्स के साथ मिलाना कम-संसाधन वाली भाषाओं में निर्देश-अनुसरण क्षमताओं को सक्षम करने के लिए एक गणनात्मक रूप से कुशल और प्रभावी रणनीति है, जो महंगे फाइन-ट्यूनिंग या बड़े निर्देश डेटासेट्स की आवश्यकता को समाप्त करती है।
कर्नेल-स्मिथ (Kernel-Smith) एक एकीकृत ढांचा है जो उच्च-प्रदर्शन वाले GPU कर्नेल उत्पन्न करने के लिए एक स्थिर, मूल्यांकन-संचालित विकासवादी एजेंट को एक विशिष्ट पोस्ट-ट्रेनिंग रेसिपी के साथ जोड़ता है, जो NVIDIA और MetaX दोनों प्लेटफॉर्मों पर अत्याधुनिक (state-of-the-art) गति वृद्धि प्राप्त करता है और उत्पादन प्रणालियों में व्यावहारिक तैनाती प्रदर्शित करता है।
यह स्थिति पत्र विषयपरकता-संवेदनशील (subjectivity-sensitive) एनएलपी मॉडलों के लिए सात उपयोगकर्ता-केंद्रित मूल्यांकन वांछनीयताओं (desiderata) का प्रस्ताव करता है और वर्तमान अनुसंधान में महत्वपूर्ण अंतरालों की पहचान करता है, जैसे कि अस्पष्ट (ambiguous) और बहुध्वन्यात्मक (polyphonic) इनपुट के बीच अपर्याप्त अंतर और विभिन्न मूल्यांकन मानदंडों के बीच परस्पर क्रिया का अभाव।
यह शोध पत्र मार्को डीपरिसर्च (Marco DeepResearch) को प्रस्तुत करता है, जो एक सत्यापन-केंद्रित (verification-centric) गहन अनुसंधान एजेंट है जो QA डेटा संश्लेषण, प्रक्षेपवक्र निर्माण (trajectory construction) और टेस्ट-टाइम स्केलिंग में स्पष्ट सत्यापन तंत्रों को एकीकृत करके जटिल, दीर्घकालिक कार्यों पर प्रदर्शन को बढ़ाता है, जिससे यह चुनौतीपूर्ण बेंचमार्क पर बड़े पैमाने के मॉडलों से बेहतर प्रदर्शन करने में सक्षम होता है।
यह शोध पत्र एंट्रोपिक क्लेम रेज़ोल्यूशन (ECR) प्रस्तुत करता है, जो एक नवीन इन्फरेंस-टाइम एल्गोरिदम है जो अपेक्षित एंट्रोपी न्यूनीकरण (Expected Entropy Reduction) को अधिकतम करने के लिए साक्ष्य को गतिशील रूप से चुनकर रिट्रीवल-ऑगमेंटेड जनरेशन सिस्टम को उन्नत करता है, जिससे रिट्रीवल प्रतिमान को विरोधाभासी या संदिग्ध प्रश्नों को हल करने के लिए सिमेंटिक प्रासंगिकता से बदलकर विभेदक अनिश्चितता न्यूनीकरण की ओर स्थानांतरित किया जाता है।
GraphWalker एक नवीन एजेंटिक नॉलेज ग्राफ प्रश्नोत्तर ढांचा है जो रैंडम वॉक से स्वचालित प्रक्षेपवक्र संश्लेषण (trajectory synthesis) को विशेषज्ञ प्रक्षेपवक्र परिशोधन (expert trajectory refinement) के साथ संयोजित करने वाले दो-चरणीय फाइन-ट्यूनिंग प्रतिमान को नियोजित करके प्रशिक्षण डेटा की कमी और तर्क सामान्यीकरण की चुनौतियों का समाधान करता है, जिससे बेंचमार्क डेटासेट पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र PISA मूल्यांकन के संदर्भ में लघु उत्तरों की स्वचालित, रूब्रिक-आधारित ग्रेडिंग में सुधार के लिए एक छोटे संदर्भ सेट से बड़े पैमाने पर, गोपनीयता संरक्षित प्रशिक्षण डेटासेट उत्पन्न करने की विधियों का प्रस्ताव और मूल्यांकन करता है।
यह शोध पत्र 'पेन्सी' (Pensée) का परिचय देता है, जो एक नवीन एआई टूल है जो चिंतनशील लेखन के नियोजन और अनुवाद चरणों के दौरान शिक्षार्थियों की सहायता करने के लिए लेखन के संज्ञानात्मक प्रक्रिया सिद्धांत (Cognitive Process Theory) को लागू करता है, और एक नियंत्रित प्रयोग के माध्यम से यह प्रदर्शित करता है कि इस प्रकार का सिद्धांत-आधारित स्कैफोल्डिंग पारंपरिक फीडबैक-केंद्रित दृष्टिकोणों की तुलना में चिंतन की गहराई और संरचनात्मक गुणवत्ता को महत्वपूर्ण रूप से बढ़ाता है।
ResAdapt एक इनपुट-साइड एडेप्टिव फ्रेमवर्क पेश करता है जो कॉस्ट-अवेयर पॉलिसी ऑप्टिमाइज़ेशन के साथ प्रशिक्षित एक लाइटवेट एलोकेटर के माध्यम से प्रति फ्रेम विजुअल रेजोल्यूशन बजट को गतिशील रूप से आवंटित करता है, जिससे मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स को निश्चित कम्प्यूटेशनल बजट के भीतर तर्क प्रदर्शन (reasoning performance) में महत्वपूर्ण सुधार करने और लंबे टेम्पोरल कॉन्टेक्स्ट को सपोर्ट करने में सक्षम बनाया जा सके।
SOLE-R1 एक वीडियो-भाषा तर्क मॉडल (video-language reasoning model) पेश करता है जो स्पैटियोटेम्पोरल चेन-ऑफ-थॉट रीजनिंग के माध्यम से सघन, प्रति-टाइमस्टेप प्रगति अनुमान उत्पन्न करके ऑन-रोबोट सुदृढीकरण लर्निंग (reinforcement learning) के लिए एकमात्र रिवॉर्ड सिग्नल के रूप में कार्य करता है, जिससे रोबोट बिना ग्राउंड-ट्रुथ रिवॉर्ड्स या प्रदर्शनों के अनदेखे हेरफेर कार्यों में महारत हासिल करने में सक्षम होते हैं और साथ ही मजबूती और सफलता दर में मौजूदा विजन-लैंग्वेज इवैल्यूएटर्स से बेहतर प्रदर्शन करते हैं।