AI FRONTIER
Signals worth understanding before they become obvious.
Flint-interactive: इंटरैक्टिव डेटा विज़ुअलाइज़ेशन बनाने के लिए एक भाषा
Microsoft Research ने Flint पर आधारित Flint-interactive जारी किया है, जो AI एजेंट्स को सेमांटिक इवेंट्स और अपडेट ऑपरेटर्स के ज़रिए क्लिक, फ़िल्टर, ज़ूम, हाइलाइट और चार्ट-के-बीच इंटरैक्शन परिभाषित करने देता है, जबकि इंटरैक्शन लॉजिक Flint कंपाइलर संभालता है।
- Flint-interactive क्लिक, ड्रैग और की-प्रेस जैसे कच्चे ट्रिगर्स को सेमांटिक इवेंट्स में बदलता है जो चार्ट तत्वों और डेटा की पहचान करते हैं।
- उपयोगकर्ता सेमांटिक इवेंट्स को set style, set annotation और set viewport जैसे चार्ट अपडेट ऑपरेटर्स से मैप करके इंटरैक्शन निर्दिष्ट करते हैं, बिना रेंडरर-विशिष्ट मार्क्स में बदलाव किए।
- इसे Flint-MCP और MCP Apps के ज़रिए चैट या कैनवास वातावरण में उपयोग किया जा सकता है, जहाँ एजेंट Flint चार्ट स्पेक के साथ interaction_spec भी बना सकता है।
- Flint Interactive Canvas ऐप्स को इवेंट हैंडलर से सेमांटिक इवेंट्स प्रोसेस करने देता है, जैसे टेबल फ़िल्टर करना, दूसरा चार्ट अपडेट करना या ऐप स्थिति बदलना।
डेटा एजेंट बनाने वाले डेवलपर्स के लिए इंटरैक्शन लॉजिक कंपाइलर को सौंपने से इंटरैक्टिव चार्ट को बार-बार जनरेट और डीबग करने की टोकन व समय लागत घट सकती है और लेआउट व इंटरैक्शन की खराबी का जोखिम कम हो सकता है।
WorldStream: पदानुक्रमित योजना और स्थायी स्थिति के साथ इंटरैक्टिव 3D दुनियाओं की स्ट्रीमिंग
पेपर WorldStream प्रस्तुत करता है, एक खुला 3D वर्ल्ड मॉडल जो किसी भी पूर्व-निर्धारित मैप से आगे खेलने योग्य भूभाग का विस्तार करता है, चल रही दुनिया में खुली भाषा पर कार्य करता है, और देखे गए स्थानों को उनके संपादनों सहित बहाल करता है। एक टाइप्ड निर्णय मॉडल पर पदानुक्रमित प्लानर संरचित निर्णय स्थिति उत्पन्न करता है, और ...
- पेपर रिपोर्ट करता है कि WorldStream में तीन समकालिक क्षमताएँ हैं: किसी भी पूर्व-निर्धारित मैप से आगे खेलने योग्य भूभाग का विस्तार, चल रही दुनिया में खुली भाषा पर कार्य, और देखे गए स्थानों को उनके संपादनों सहित बहाल करना।
- Macro टाइलों के समूह में बस्ती, पारिस्थितिकी, परिवहन और जल-विज्ञान संरचना तय करता है, जबकि Micro मापे गए भूभाग और स्वीकृत पड़ोसी प्रतिबद्धताओं के अंतर्गत उस अनुबंध को टाइल अर्थ में विशेषीकृत करता है।
- स्ट्रीमिंग पहुँच को अलग करती है: योजनाएँ अनुमानित कॉरिडोर के साथ आगे चलती हैं, संकलन केवल वहीं होता है जहाँ गति को जल्द इसकी आवश्यकता होगी, और उपयोगकर्ता के पीछे की ज्यामिति मुक्त कर दी जाती है।
वर्ल्ड मॉडल बनाने वाली टीमों के लिए योजना, संकलन और स्थायी स्थिति रिकॉर्ड को अलग करना सीमित बजट में टाइल-से-टाइल सुसंगति और संपादन-योग्यता का एक ठोस आर्किटेक्चर मार्ग है।
जब विचार स्मृति बनते हैं: इन-कॉन्टेक्स्ट लर्निंग और फाइन-ट्यूनिंग का एकीकरण
यह पेपर सूचना मूल्य के एक सटीक नियम पर आधारित प्रमाणित नियम देता है, जो तय करता है कि अनदेखा डेटा पूर्व-प्रशिक्षित मॉडल के कॉन्टेक्स्ट में जाए या उसके वेट में, और एक कभी भी मान्य परीक्षण होल्ड-आउट क्वेरी से यह चुनाव करता है।
- पेपर बताता है कि परीक्षण 32 तुलनाओं में 64,000 क्वेरी स्ट्रीम में से 61,948 में GPT-2 के कैश और फाइन-ट्यून में से बेहतर चुनता है।
- पेपर बताता है कि यह शून्य स्ट्रीम में अधिकतम 3.3% में गलती करता है।
- पेपर बताता है कि एक पैच जो आकृति विशेषता देखता है, ऑक्यूपेंसी नेटवर्क की वहाँ की कोड लंबाई सौ गुना घटा देता है, जबकि इसे चूकने वाले आठ उसे लगभग दोगुना कर देते हैं।
- पेपर बताता है कि हाँ-या-नहीं दावे पर यह मूल्यांकन एक प्रकाशित साक्ष्य निर्णायक को पुनः प्राप्त करता है, AUROC 0.91 के साथ।
यह प्रमाणित नियम निर्माताओं को एक माप और होल्ड-आउट क्वेरी से तय करने देता है कि डेटा कॉन्टेक्स्ट में जाए या वेट में, जिससे इन-कॉन्टेक्स्ट लर्निंग और फाइन-ट्यूनिंग के बीच चुनाव की लागत घटती है।
OpenRouter का नया मॉडल: Recursive: Flint (मुफ़्त)
Flint, Recursive का ओपन-वेट mixture-of-experts मॉडल है, जिसमें कुल 40B में से लगभग 2.5B सक्रिय पैरामीटर हैं और इसे Recursive की ऑटोरिसर्च प्रणाली Eureka Machine ने कोडिंग एजेंट के लिए बनाया है।
- कुल 40B पैरामीटर, जिनमें लगभग 2.5B सक्रिय पैरामीटर
- 262,144 टोकन का कॉन्टेक्स्ट विंडो
- 21 अक्टूबर 2026 को जारी
- मुफ़्त एंडपॉइंट, दर सीमाओं के साथ; फ़ंक्शन कॉलिंग के लिए टूल स्वीकार करता है और JSON-schema लागू किए बिना JSON आउटपुट के लिए response_format का समर्थन करता है
कोडिंग एजेंट बनाने वालों के लिए Flint, 2.5B सक्रिय पैरामीटर और 262K कॉन्टेक्स्ट विंडो के साथ परखने योग्य शून्य-लागत ओपन-वेट विकल्प देता है।
SimHack: RL प्रशिक्षण से पहले पता लगने योग्य रिवॉर्ड हैकिंग की शुरुआत का पूर्वानुमान
यह पेपर SimHack प्रस्तुत करता है, एक सिम्युलेटर जो कुछ छोटे पैमाने के संदर्भ RL रनों से रिवॉर्ड हैकिंग की प्रशिक्षण गतिशीलता सीखता है और महँगे पुनःप्रशिक्षण के बिना अनदेखे लक्ष्य रेसिपियों के काउंटरफैक्चुअल सिमुलेशन रन उत्पन्न करता है, ताकि रिवॉर्ड हैकिंग के शुरुआती चरण का वितरण पूर्वानुमानित किया जा सके।
- पेपर रिपोर्ट करता है कि SimHack अनदेखी लक्ष्य रेसिपियों पर माध्यिक शुरुआत को 11.3% सापेक्ष त्रुटि से पूर्वानुमानित करता है और रेसिपियों के बीच 0.85 रैंक सहसंबंध प्राप्त करता है।
- SimHack संदर्भ और लक्ष्य रेसिपियों के बीच मॉडल पैमाने, पाठ्यक्रम, रोलआउट संख्या और लर्निंग रेट के अंतरों पर सामान्यीकृत होता है।
- एक अनुप्रयोग के रूप में, SimHack उम्मीदवार RL पाठ्यक्रमों को छानता है और उन्हीं परिदृश्यों के सेट पर ऐसे पाठ्यक्रम खोजता है जो हैकिंग के बिना 96.6% अधिक समय तक प्रशिक्षित करते हैं।
- पेपर पाता है कि केवल प्रारंभिक हैकिंग दर शुरुआत को निर्धारित नहीं करती, जो प्रशिक्षण रेसिपियों और दोहराए गए रनों के बीच काफी भिन्न होती है।
बिल्डर महँगे RL रनों से पहले SimHack से पाठ्यक्रमों की पूर्व-जाँच करके कम लागत पर कम जोखिम वाली रेसिपियाँ चुन सकते हैं।
KVLearn: डिसएग्रीगेटेड LLM सर्विंग के लिए सीखी गई KV कैश रिटेंशन
यह पेपर KVLearn प्रस्तुत करता है, जो डिसएग्रीगेटेड LLM सर्विंग में लागत-जागरूक KV कैश रिटेंशन के लिए एक लर्निंग-आधारित फ्रेमवर्क है, जिसमें Prefix Reuse Predictor (PRP), Cost-Aware Retention Score (CARS) और Adaptive Threshold Controller (ATC) शामिल हैं, और इसका मूल्यांकन टेक्स्ट तथा मल्टीमॉडल वर्कलोड पर किया गया है।
- पेपर रिपोर्ट करता है कि एंड-टू-एंड time-to-first-token No-Cache की तुलना में अधिकतम 56%, LRU-Pool की तुलना में 38% और Mooncake-शैली बेसलाइन की तुलना में 33% तक घटता है।
- पेपर रिपोर्ट करता है कि नोड्स के बीच KV ट्रांसफर वॉल्यूम LRU-Pool की तुलना में अधिकतम 53% तक घटता है।
- MM-Session पर थ्रूपुट oracle के लगभग 5% के भीतर रहता है।
- PRP मॉडल वेट बदले बिना संरचनात्मक और टेम्पोरल प्रीफ़िक्स फीचर्स से पुनःउपयोग की प्रायिकता का अनुमान लगाता है; पेपर ACM SYSTOR 2026 में स्वीकृत हुआ है और कोड उपलब्ध है।
डिसएग्रीगेटेड इन्फरेंस सर्विंग बनाने वाली टीमों के लिए KVLearn दिखाता है कि कैश एडमिशन निर्णयों में पुनर्गणना, ट्रांसफर और स्टोरेज लागत शामिल करने से मॉडल वेट बदले बिना time-to-first-token और नोड्स के बीच बैंडविड्थ दोनों घट सकते हैं।
PyTorch 2.15 में MPS: FP8 समर्थन और 5–6.5× तेज़ MoE डिकोडिंग
PyTorch 2.15 MPS बैकएंड में FP8 टेंसर, नेटिव ग्रुप्ड मैटमुल और समर्पित Metal कर्नल जोड़ता है, जिससे MoE मॉडल डिकोडिंग 2.14 की तुलना में 5–6.5 गुना तेज़ होती है और macOS 15 तथा Python 3.11 या बाद का संस्करण आवश्यक होता है।
- torch.float8_e4m3fn टेंसर अब MPS पर प्रति मान एक बाइट में काम करते हैं, जो FP16 या BF16 की आधी स्टोरेज है, और F.scaled_mm टेंसरवाइज़ तथा रोवाइज़ स्केलिंग का समर्थन करता है।
- M3 Ultra पर torch.compile के साथ Qwen3.6-35B-A3B 9.4 से 61.3 tokens/s और LFM2.5-8B-A1B 23.6 से 123.6 tokens/s हो जाता है।
- वास्तविक मॉडलों की 96 BF16 लेयर आकृतियों पर GEMV कर्नल को F.linear से जोड़ने पर 1.23× जियोमेट्रिक-मीन गति वृद्धि मिलती है।
- Wan2.2 की VAE डिकोडिंग में पीक ड्राइवर मेमोरी लगभग 270 GiB से घटकर 8 GiB हो जाती है, और [1, 128256] लॉजिट पंक्ति पर FP32 softmax 57 µs से 7 µs हो जाता है।
Mac पर काम करने वाले डेवलपर्स FP8 वेट से मेमोरी घटा सकते हैं और MoE तथा डेंस LLM डिकोडिंग को काफी तेज़ कर सकते हैं, बशर्ते वे macOS 15 और Python 3.11 पर अपग्रेड करें।
बड़े दावे, छोटे अंतर: क्या रिपोर्ट किए गए GraphLLM लाभ सरल बेसलाइनों पर टिकते हैं?
यह पेपर तीन हालिया अध्ययनों के स्प्लिट्स पर केवल-वैलिडेशन चयन से ट्यून किए गए चार बेसलाइन प्रतिनिधियों की तुलना प्रत्येक पेपर द्वारा LLM-आधारित विधि के लिए रिपोर्ट किए गए उच्चतम माध्य से करता है, और जारी कोड में मूल्यांकन जोखिमों का दस्तावेजीकरण करता है।
- TF-IDF फीचर्स पर Correct & Smooth संदर्भ से 2.3 प्रतिशत अंक के माध्यक से पीछे है, और फ्रोज़न e5-large-v2 एम्बेडिंग्स पर MLP 2.8 अंक पीछे है।
- Correct & Smooth 24 कार्यों में से 15 पर संदर्भ के 3 अंक के भीतर या बेहतर है, लेकिन संदर्भ 22 परीक्षण-योग्य कार्यों में से 12 पर उल्लेखनीय रूप से अधिक है।
- एक ही विधि के एक ही स्प्लिट पर रिपोर्ट उन पेपरों के बीच 12.5 अंक तक भिन्न होती हैं जिनके कॉन्फ़िगरेशन मेल खाने के रूप में दर्ज नहीं हैं।
GraphLLM नोड-वर्गीकरण पाइपलाइन बनाने वालों को उन्हीं स्प्लिट्स पर ट्यून किए गए TF-IDF और फ्रोज़न-एम्बेडिंग बेसलाइन चलाने चाहिए और रिपोर्ट किए गए स्टेट-ऑफ-द-आर्ट लाभों पर भरोसा करने से पहले डेटा लोडर और ट्यूनिंग प्रोटोकॉल की जांच करनी चाहिए।