11218 पेपर
यह शोध पत्र BEAT प्रस्तुत करता है, जो एक नवीन फ्रेमवर्क है जो उच्च हमले की सफलता दर (attack success rate) प्राप्त करने और सामान्य कार्य प्रदर्शन को बनाए रखने के लिए कॉन्ट्रास्टिव ट्रिगर लर्निंग (Contrastive Trigger Learning) वाले दो-चरणीय प्रशिक्षण योजना और ऑब्जेक्ट ट्रिगर्स का लाभ उठाकर VLM-आधारित एम्बोडीड एजेंटों (embodied agents) में विजुअल बैकडोर्स इंजेक्ट करता है।
यह शोध पत्र MoDES को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free) ढांचा है जो वैश्विक रूप से-मॉड्यूलेटेड स्थानीय गेटिंग तंत्र और दोहरी-मोडैलिटी थ्रेशोल्डिंग का उपयोग करके Mixture-of-Experts मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स को त्वरित करता है, जिससे अनावश्यक विशेषज्ञों को अनुकूल रूप से स्किप किया जा सकता है, और इस प्रकार मौजूदा विधियों की तुलना में अनुमान गति (inference speed) और सटीकता दोनों में महत्वपूर्ण सुधार करता है।
यह शोध पत्र मल्टी-एजेंट एलएलएम (LLM) प्रणालियों के लिए एक स्केलेबल मार्केट-मेकिंग फ्रेमवर्क पेश करता है जो संरचित आर्थिक आदान-प्रदान के माध्यम से स्थानीय प्रोत्साहनों को सामूहिक ज्ञानमीमांसीय लक्ष्यों के साथ संरेखित करता है, जिससे बाहरी प्रवर्तन के बिना बेहतर सटीकता, व्याख्यात्मकता और स्व-सुधारात्मक जवाबदेही प्राप्त होती है।
यह शोध पत्र BOOM को प्रस्तुत करता है, जो एक एंड-टू-एंड मल्टीमॉडल मल्टीलिंगुअल सिस्टम है जो लेक्चर ऑडियो और स्लाइड्स का संयुक्त रूप से अनुवाद करने के लिए सिंक्रोनाइज़्ड (तुल्यकालिक) अनुवादित टेक्स्ट, लोकलाइज्ड स्लाइड्स और सिंथेसाइज्ड स्पीच उत्पन्न करता है, जिससे विभिन्न माध्यमों में पूर्ण शिक्षण अनुभव को संरक्षित करते हुए सारांश और प्रश्नोत्तरी जैसे डाउनस्ट्रीम कार्यों को बेहतर बनाया जा सकता है।
मौजूदा खंडित और एकीकृत करने में कठिन समाधानों की व्यावहारिक सीमाओं को दूर करने के लिए, यह शोध पत्र promptolution प्रस्तुत करता है, जो एक एकीकृत, मॉड्यूलर और ओपन-सोर्स फ्रेमवर्क है जो बड़े भाषा मॉडलों (large language models) के लिए निर्बाध प्रॉम्प्ट अनुकूलन और पुनरुत्पादक बेंचमार्किंग को सक्षम बनाता है।
Interpreto एक ओपन-सोर्स पायथन लाइब्रेरी है जो HuggingFace लैंग्वेज मॉडल्स के लिए एट्रिब्यूशन और कॉन्सेप्ट-आधारित स्पष्टीकरण विधियों को एकीकृत करती है, जो हालिया शोध को व्यावहारिक टूलिंग के साथ जोड़ते हुए कॉन्सेप्ट लर्निंग और इंटरप्रिटेशन के लिए एक विशिष्ट एंड-टू-एंड पाइपलाइन प्रदान करती है।
यह शोध पत्र टीचर, स्टूडेंट और डिस्टिल्ड मॉडल्स के बीच प्रेडिक्टिव प्रोबेबिलिटीज की तुलना करके एक डिस्टिल्ड मॉडल के कार्यों के उद्गम का विश्लेषण करने के लिए एक रीजनिंग डिस्टिलेशन प्रोवेनेंस ट्रेसिंग फ्रेमवर्क पेश करता है, जो यह प्रदर्शित करता है कि टीचर-ओरिजिनेटेड एक्शन प्रदर्शन के साथ सह-संबंधित हैं और रीजनिंग डिस्टिलेशन को बेहतर बनाने के लिए एक सिद्धांत-आधारित, टीचर-गाइडेड डेटा चयन पद्धति को सक्षम बनाता है।
यह शोध पत्र फास्ट-वेट प्रोडक्ट की मेमोरी (FwPKM) को प्रस्तुत करता है, जो एक स्पार्स मेमोरी लेयर है जो सक्रिय स्लॉट्स पर टेस्ट-टाइम ग्रेडिएंट अपडेट करके स्टोरेज क्षमता और कम्प्यूटेशनल दक्षता के बीच के समझौते को हल करता है, जिससे फिक्स्ड प्रति-टोकन कंप्यूट के साथ प्रभावी लॉन्ग-कॉन्टेक्स्ट मेमोराइजेशन और रिट्रीवल सक्षम होता है।
यह शोध पत्र STaRR का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त (training-free) ढांचा है जो स्थानिक-कालिक आत्मविश्वास गतिशीलता (spatial-temporal confidence dynamics) के आधार पर टोकन रीमास्किंगिंग निर्णयों को गतिशील रूप से अनुकूलित करके डिफ्यूजन लैंग्वेज मॉडल्स की अनुमान गति और गुणवत्ता में सुधार करता है, जिससे सटीकता से समझौता किए बिना महत्वपूर्ण गति प्राप्त होती है।
यह शोध पत्र APEX-Agents को प्रस्तुत करता है, जो एक ओपन-सोर्स बेंचमार्क और मूल्यांकन इंफ्रास्ट्रक्चर है जिसे निवेश बैंकिंग, प्रबंधन परामर्श और कानूनी कार्यों के विशिष्ट जटिल, दीर्घ-अवधि (long-horizon), और क्रॉस-एप्लीकेशन कार्यों को निष्पादित करने में AI एजेंटों की क्षमताओं का आकलन करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि वर्तमान शीर्ष मॉडल अधिकतम 24.0% का Pass@1 स्कोर प्राप्त करते हैं।