AI FRONTIER
Signals worth understanding before they become obvious.
Tsinghua AI ने SGLang पर LLM एजेंट के लिए कैश इंजीनियरिंग सर्वर AKV ओपन-सोर्स किया
Tsinghua AI ने AKV को ओपन-सोर्स किया है, जो SGLang पर बना LLM एजेंट के लिए कैश इंजीनियरिंग सर्वर है। पेपर सारांश इस काम को बड़े भाषा मॉडल की क्षमता, मूल्यांकन या अलाइनमेंट के प्रश्नों के इर्द-गिर्द रखता है, जो तरीकों और प्रयोगात्मक परिणामों पर नज़र रखने वाले पाठकों के लिए उपयुक्त है।
- Tsinghua AI ने AKV को ओपन-सोर्स किया और इसे LLM एजेंट के लिए कैश इंजीनियरिंग सर्वर बताया।
- AKV, SGLang पर बना है।
- पेपर सारांश कहता है कि यह काम बड़े भाषा मॉडल की क्षमता, मूल्यांकन या अलाइनमेंट के प्रश्नों को संबोधित करता है।
LLM एजेंट बनाने वालों के लिए AKV कैश इंजीनियरिंग को SGLang पर एक समर्पित सेवा परत में अलग करता है, इसलिए एजेंट इन्फरेंस पथ पर कैश पुनरुपयोग की जाँच करना उपयोगी है।
ISTA-DASLab ने DeepSeek-V4.1-Flash-1017 के GSQ-RCO गैर-समान GGUF क्वांटाइज़ेशन जारी किए
ISTA-DASLab ने 763.2B पैरामीटर और 384 एक्सपर्ट वाले MoE DeepSeek-V4.1-Flash-1017 को GSQ और RCO से प्रति-टेंसर मिश्रित परिशुद्धता में क्वांटाइज़ किया और IQ1_M (1.75 bpw), IQ2_XXS (2.00) तथा IQ2_XS (2.25) मानक GGUF बिल्ड जारी किए।
- यह मॉडल स्पार्स MoE है जिसमें 763.2B पैरामीटर, प्रति लेयर 384 रूटेड एक्सपर्ट, प्रति टोकन 6 सक्रिय और 1M टोकन का कॉन्टेक्स्ट विंडो है।
- बैकबोन GGUF में 551.9B पैरामीटर हैं, और Engram लुकअप टेबल 196.6B पैरामीटर की IQ4_NL 4.50 bpw हैं, जो सभी बिल्ड में साझा हैं।
- कुल आकार IQ1_M के लिए 231.32 GB, IQ2_XXS के लिए 248.84 GB और IQ2_XS के लिए 265.83 GB है; तीनों Strata के साथ एक ही 12 GB VRAM GPU पर चलते हैं।
- पेपर के अनुसार IQ2_XXS, AIME25 (100.00), GPQA-Diamond (90.91) और LiveCodeBench v6 (89.71) पर बेस मॉडल के बराबर है, टास्क औसत 93.54 और रिकवरी 100.0%।
चूंकि 2.00 bpw का IQ2_XXS बिल्ड पेपर के अनुसार इन तीन बेंचमार्क पर बेस मॉडल के बराबर है, बिल्डर 763B श्रेणी के MoE को 12 GB GPU और सिस्टम मेमोरी पर लोकल टेस्ट कर सकते हैं।
Self-Direction: एजेंट की गलतियों को स्थायी सबक में बदलना
पेपर Self-Direction पेश करता है, जिसमें किसी कार्य में विफल एजेंट अपनी ट्रैजेक्टरी पर विचार करके सबक निकालता है और उसे तुरंत हल्के लो-रैंक अडैप्टर में डिस्टिल कर देता है; मूल वेट फ्रीज़ रहते हैं और अडैप्टर स्थायी सबक लाइब्रेरी में सहेजे जाते हैं, जिन्हें बाद में संबंधित समस्याओं पर स्वतः रूट किया जाता है।
- प्रत्येक अडैप्टर बेस मॉडल के पैरामीटर की संख्या के लगभग 0.02% के बराबर अतिरिक्त पैरामीटर प्रशिक्षित करता है
- Qwen परिवार के ओपन-वेट मॉडल पर आधारित एजेंट के साथ GAIA, Claw-Eval और Terminal-Bench 2.1 पर समग्र सफलता दर 8.9 से 17.0 प्रतिशत अंक तक बढ़ती है
- पेपर बताता है कि Self-Direction किसी कार्य के भविष्य के सामनों में दोहराई गई गलतियों को घटाता है और एजेंट के सुधारों की विश्वसनीयता लगभग दोगुनी कर देता है
- पेपर बताता है कि कुछ अडैप्टर बिना अतिरिक्त प्रशिक्षण के दर्जनों नए कार्यों पर सामान्यीकृत हो जाते हैं
एजेंट बनाने वालों के लिए, विफलताओं को रूट करने योग्य लो-रैंक अडैप्टर के रूप में सहेजना इन-कॉन्टेक्स्ट रिफ्लेक्शन से अधिक टिकाऊ और पूर्ण-पैरामीटर फाइन-ट्यूनिंग से सस्ता सुधार मार्ग देता है।
शोधकर्ताओं ने मल्टीमॉडल मॉडल की तर्क क्षमता परखने के लिए MMGR बेंचमार्क प्रस्तावित किया
शोधकर्ताओं ने मल्टीमॉडल मॉडल की तर्क क्षमता परखने के लिए MMGR बेंचमार्क प्रस्तावित किया है। यह बेंचमार्क मल्टीमॉडल मॉडल के तर्क कार्यों पर प्रदर्शन का मूल्यांकन करने के लिए है।
- शोधकर्ताओं ने MMGR बेंचमार्क प्रस्तावित किया है, जो मल्टीमॉडल मॉडल की तर्क क्षमता परखता है।
- यह जानकारी DoNews ने रिपोर्ट की है।
AI डेवलपर्स के लिए MMGR मल्टीमॉडल तर्क पर केंद्रित एक मूल्यांकन बेंचमार्क देता है, जिससे विभिन्न मल्टीमॉडल मॉडल के तर्क प्रदर्शन को मापा और तुलना किया जा सकता है।
वैज्ञानिक समझ बनाने के लिए शैक्षणिक समुदायों के साथ काम करना
OpenAI ने Kakeya अनुमान, Exponential Time Hypothesis और quantum chromodynamics पर मॉडल परिणाम साझा किए हैं, और बताया है कि शोधकर्ता इन्हें कैसे सत्यापित कर सकते हैं और इन पर आगे कैसे बना सकते हैं।
- OpenAI ने Kakeya अनुमान पर मॉडल परिणाम साझा किए हैं।
- OpenAI ने Exponential Time Hypothesis पर मॉडल परिणाम साझा किए हैं।
- OpenAI ने quantum chromodynamics पर मॉडल परिणाम साझा किए हैं।
- OpenAI बताता है कि शोधकर्ता इन परिणामों को कैसे सत्यापित कर सकते हैं और इन पर आगे कैसे बना सकते हैं।
AI बिल्डरों के लिए यह गणितीय और भौतिकी समस्याओं पर मॉडल तर्क का मूल्यांकन करने हेतु सत्यापन योग्य मॉडल-आउटपुट उदाहरण देता है।
SyncVid: सिंक्रोनाइज़्ड वीडियो जनरेशन के लिए वर्ल्ड-इक्विवेरिएंट डिफ़्यूज़न
SyncVid हर 2D इमेज प्लेन में स्वतंत्र रूप से नमूनाकरण करने के बजाय स्रोत वीडियो से प्राप्त कैनोनिकल 3D स्पेस में गॉसियन नॉइज़ प्रायर का नमूनाकरण करता है और उसे लक्ष्य कैमरों में रास्टराइज़ करता है। यह विधि मोनोकुलर वीडियो को कैनोनिकल 4D प्रतिनिधित्व में उठाती है और क्रॉस-व्यू-कंसिस्टेंट व्हाइटनिंग प्रक्रिया जोड़ती है, ...
- पेपर मोनोकुलर वीडियो को कैनोनिकल 4D प्रतिनिधित्व में उठाता है, नॉइज़ को दृश्य ज्यामिति और अनदेखे स्थान से जोड़ता है, और परिणामी संरचित नॉइज़ को मनमाने व्यू में रास्टराइज़ करता है।
- पेपर एक क्रॉस-व्यू-कंसिस्टेंट व्हाइटनिंग प्रक्रिया प्रस्तावित करता है जो व्यू के बीच संबंध बनाए रखते हुए पड़ोसी पिक्सल को डीकोरिलेट करती है।
- संरचित नॉइज़ LoRA-अनुकूलित प्रीट्रेंड वीडियो डिफ़्यूज़न मॉडल के डिफ़्यूज़न प्रायर के रूप में कार्य करता है और आर्किटेक्चरल बदलाव की आवश्यकता नहीं होती।
मल्टी-व्यू वीडियो जनरेशन बनाने वाले डेवलपर्स के लिए, SyncVid दिखाता है कि डिफ़्यूज़न की यादृच्छिकता को कैनोनिकल 3D स्पेस में स्थिर करने से डिफ़्यूज़न आर्किटेक्चर को फिर से डिज़ाइन किए बिना क्रॉस-व्यू सुसंगतता बेहतर हो सकती है।
PaperFormalizer: Lean में शोध पत्रों का लेखक-इन-द-लूप ऑटोफॉर्मलाइज़ेशन
PaperFormalizer एक Lean-आधारित एजेंटिक पाइपलाइन है जो किसी पत्र के LaTeX स्रोत से शुरू होकर उसे कथनों के निर्भरता ग्राफ़ में बदलती है, हर कथन की निष्ठा, अस्पष्टता और शुद्धता की प्राकृतिक भाषा में जाँच करती है, और फिर उन कथनों को Mathlib, वैकल्पिक डोमेन लाइब्रेरी और लेखक के व्यक्तिगत टूलकिट के विरुद्ध Lean में औपचारिक र...
- यह पत्र 22 अक्टूबर 2026 को arXiv पर arXiv:2610.31810 (cs.AI, क्रॉस-लिस्ट cs.LO) के रूप में जमा किया गया।
- पाइपलाइन LaTeX स्रोत से शुरू होती है, पत्र को कथनों के निर्भरता ग्राफ़ में बदलती है और हर कथन की प्राकृतिक भाषा में जाँच करती है।
- औपचारिकरण और प्रमाण Mathlib, वैकल्पिक डोमेन लाइब्रेरी और लेखक के व्यक्तिगत टूलकिट के विरुद्ध किए जाते हैं।
- आउटपुट में पत्र का टिप्पणीयुक्त और संशोधित संस्करण, परिवर्तनों की रिपोर्ट, और Lean कोड शामिल है जिसमें हर घोषणा उस कथन से जुड़ी है जिसे वह औपचारिक बनाती है।
गणितीय AI टूल बनाने वालों के लिए PaperFormalizer लेखक-इन-द-लूप पैटर्न दिखाता है जो अस्पष्टता पर रुककर निर्णय लेखक को सौंपता है, जिससे जहाँ औपचारिकरण पत्र के दावों को बदल सकता है वहाँ लेखक का नियंत्रण बना रहता है।