24135 पेपर
यह शोधपत्र S-Bus प्रस्तुत करता है, जो एक HTTP मिडलवेयर है जो एजेंट रीड सेट्स को स्वचालित रूप से पुनर्गठित करने और ऑब्ज़ेबल-रीड आइसोलेशन (ORI) को लागू करने के लिए सर्वर-साइड डिलीवरीलॉग का उपयोग करता है, जिससे एजेंट SDKs में बदलाव की आवश्यकता के बिना समवर्ती मल्टी-एजेंट LLM सिस्टम में स्ट्रक्चरल रेस कंडीशंस को रोका जा सकता है।
यह शोध पत्र Subspace PGA को प्रस्तुत करता है जिससे यह पता चलता है कि जबकि भाषा मॉडल की प्रतिनिधित्व ज्यामिति (representation geometry) भविष्यवाणी के लिए व्यवस्थित होती है, छोटे मॉडल बाद की परतों में इस संरेखण (alignment) को खो देते हैं जो प्रमुख दिशाओं द्वारा छिपा हुआ एक क्षमता संबंधी समझौता (capacity trade-off) है, जबकि बड़े मॉडल प्रशिक्षण के दौरान इसे बनाए रखते हैं।
यह शोध पत्र "मैकेनिज्म लर्निंग" (mechanism learning) को प्रस्तुत करता है, जो एक सुदृढ़ पूर्वानुमान ढांचा है जो प्रोटोटाइप-एंकरित डिस्क्रिप्टर्स (prototype-anchored descriptors) के माध्यम से सक्रिय स्थानीय विकास नियमों का अनुमान लगाकर भविष्य की अवस्थाओं की भविष्यवाणी करता है, और डेटा-दुर्लभ एवं जटिल गतिशील व्यवस्थाओं में प्रत्यक्ष भविष्यवाणी और मौजूदा मॉडलों की तुलना में बेहतर प्रदर्शन प्राप्त करता है।
यह शोध पत्र एक गोपनीयता-सचेत प्रणाली प्रस्तुत करता है जो परिचालन संदर्भ और गति की तीव्रता के लिए 10-सेकंड की खिड़कियों को वर्गीकृत करके बॉडी-वर्न कैमरा फुटेज को विजुअल टाइमलाइन्स में परिवर्तित करती है, जिससे घटना की समीक्षा में तेजी आती है और अधिकारी प्रशिक्षण वर्कफ़्लो में सुधार होता है।
यह शोध पत्र पैरेलल रिकर्सिव एलएसटीएम (PR-LSTM) का परिचय देता है, जो एक पदानुक्रमित आर्किटेक्चर है जो एक संतुलित गणना वृक्ष (balanced computation tree) पर टोकन अवस्थाओं को पुनरावर्ती रूप से विलय करके लघुगणकीय समानांतर गहराई (logarithmic parallel depth) प्राप्त करता है, जिससे यह पुनरावर्ती मॉडलों की मजबूत अवस्था-ट्रैकिंग क्षमताओं को समानांतर प्रसंस्करण की दक्षता के साथ जोड़कर बिना द्विघाती स्केलिंग (quadratic scaling) के लॉन्ग-कॉन्टेक्स्ट बेंचमार्क पर मानक RNNs, LSTMs और ट्रांसफॉर्मर्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र DynMuon को प्रस्तुत करता है, जो एक गतिशील स्पेक्ट्रल शेपिंग विधि है जो वक्रता (curvature) और शोर (noise) के आधार पर स्पेक्ट्रल पावर पैरामीटर को धनात्मक से हल्के ऋणात्मक मानों की ओर शेड्यूलिंग करके Muon-आधारित प्रशिक्षण को अनुकूलित करती है, जिससे मानक Muon की तुलना में कम वैलिडेशन लॉस और तेज़ अभिसरण (convergence) प्राप्त होता है।
यह शोध पत्र ECC को प्रस्तुत करता है, जो एक साक्ष्य-कैलिब्रेटेड (evidence-calibrated) क्वेरी क्लस्टरिंग एल्गोरिदम है जो पोस्टीरियर मॉडल तुलनाओं के माध्यम से सिमेंटिक एम्बेडिंग्स को परिष्कृत करके सतही अर्थ (surface-level semantics) और लेटेंट क्षमता आवश्यकताओं (latent capability requirements) के बीच के अंतर को पाटता है, जिससे मौजूदा बेसलाइन की तुलना में LLM क्षमता रैंकिंग और रूटिंग प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एक "फेयरनेस लेयर" (fairness layer) पेश करता है—जो न्यूरल नेटवर्क में एकीकृत एक डिफरेंशिएबल ऑप्टिमाइज़ेशन मॉड्यूल है ताकि आउटपुट पैरिटी (output parity) सुनिश्चित की जा सके—साथ ही एक ऑनलाइन प्राइमल-डुअल इन्फरेंस एल्गोरिदम भी प्रदान करता है जो मनमाने ढंग से छोटे बैच आकारों के साथ स्ट्रीमिंग प्रेडिक्शन के लिए प्रमाणित एग्रीगेट फेयरनेस गारंटी प्रदान करता है।
यह शोध पत्र 3D पॉइंट क्लाउड वर्गीकरण और विभाजन के लिए डीप लर्निंग आर्किटेक्चर का एक व्यवस्थित सर्वेक्षण प्रस्तुत करता है, जिसमें डेटा विशेषताओं, पद्धतिगत वर्गीकरण, बेंचमार्क मूल्यांकन और भविष्य की अनुसंधान दिशाओं को शामिल किया गया है।
यह शोध पत्र कॉन्ट्रास्टिव कॉन्सेप्टर एक्टिवेशन स्टीयरिंग (COAST) का प्रस्ताव करता है, जो एक हल्का, बिना प्रशिक्षण वाला तरीका है जो कुछ ही उदाहरणों (few-shot examples) से प्राप्त सफलता-महत्वपूर्ण उप-स्थानों (success-critical subspaces) में विजन-लैंग्वेज-एक्शन (VLA) मॉडल के लेटेंट्स को पहचानने और निर्देशित करने के लिए कॉन्सेप्टर्स का उपयोग करता है, जिससे बिना पुन: प्रशिक्षण के विविध आर्किटेक्चरों में कार्य सफलता दर में उल्लेखनीय सुधार होता है।