Hugging Face वरील सर्वोत्तम AI पेपर्स

AI वेगाने प्रगत होत आहे. सध्याचे कल (trends) दीर्घकालीन एजंट्स (long-term agents), LLMs साठी रिइन्फोर्समेंट लर्निंग (reinforcement learning) आणि जनरेटिव्ह मॉडेल्सवर अधिक चांगले नियंत्रण यावर केंद्रित आहेत.

Hugging Face वरील १० उल्लेखनीय पेपर्स खालीलप्रमाणे आहेत:

  1. Program-as-Weights (2607.02512)
  • समस्या: टास्क हार्ड-कोड करणे कठीण आहे, परंतु अवाढव्य मॉडेल्स चालवणे खर्चिक आहे.
  • कल्पना: नैसर्गिक भाषा वर्णनांचे (natural language descriptions) लहान न्यूरल आर्टिफॅक्ट्समध्ये रूपांतर करणे.
  • नवीन दृष्टिकोन: ०.६B मॉडेल चालवू शकेल असा एक छोटा वेट पॅकेज (weight package) तयार करण्यासाठी ४B कंपायलरचा वापर करणे.
  • वापर: ऑन-डिव्हाइस AI आणि जलद स्थानिक टूल्स.
  • GitHub: https://github.com/programasweights/programasweights-python
  1. Training vs. Inference Policy (2606.29526)
  • समस्या: मॉडेल्स अनेकदा प्रत्यक्ष वापरापेक्षा ट्रेनिंग दरम्यान वेगळे काम करतात.
  • कल्पना: प्रत्यक्ष इन्फरन्स (inference) दरम्यान वापरल्या जाणाऱ्या पॉलिसीमध्ये सुधारणा करण्यावर लक्ष केंद्रित करणे.
  • नवीन दृष्टिकोन: ट्रेनिंगची उद्दिष्टे वास्तविक जगातील निर्णय प्रक्रियेशी सुसंगत करणे.
  • वापर: स्थिर LLM रिझनिंग आणि RLHF पाइपलाइन्स.
  • Project: https://anitaleungxx.github.io/MIPU/
  1. AgenticSTS (2607.02255)
  • समस्या: दीर्घकालीन एजंट्स अपयशी ठरतात कारण त्यांची मेमरी विस्कळीत असते.
  • कल्पना: कॉन्टेक्स्ट विंडो भरण्याऐवजी मेमरीचे भाग व्यवस्थित करण्यासाठी 'टायप्ड रिट्रिव्हल'चा (typed retrieval) वापर करणे.
  • नवीन दृष्टिकोन: अल्पकालीन आणि धोरणात्मक माहितीसाठी नियंत्रित मेमरी लेयर्स तयार करणे.
  • वापर: दीर्घकालीन AI असिस्टंट्स आणि जटिल एंटरप्राइझ वर्कफ्लो.
  • GitHub: https://github.com/AlayaLab/AgenticSTS
  1. EvoPolicyGym (2607.02440)
  • समस्या: एखादा एजंट स्वतःचे नियम सुधारू शकतो का, हे मोजण्यासाठी आपल्याकडे पद्धतींचा अभाव आहे.
  • कल्पना: असे वातावरण जिथे एजंट्सना त्यांच्या स्वतःच्या पॉलिसीज एडिट कराव्या लागतील.
  • नवीन दृष्टिकोन: केवळ अंतिम निकालाचे नाही, तर स्वयंचलित सुधारणेच्या (self-improvement) प्रक्रियेचे मूल्यमापन करणे.
  • वापर: ऑटो-एजंट्स आणि रोबोटिक्स.
  1. FlashMorph (2606.30562)
  • समस्या: ट्रान्सफॉर्मर्समधील (Transformers) 'फुल अटेंशन' (full attention) लांब मजकुरासाठी खूप खर्चिक आहे.
  • कल्पना: फुल अटेंशन आणि स्वस्त 'लिनियर अटेंशन' (linear attention) यांचे मिश्रण करणे.
  • नवीन दृष्टिकोन: सर्वोत्तम हायब्रिड सेटअप शोधण्यासाठी लेयर-आधारित गेटचा वापर करणे.
  • वापर: लांब दस्तऐवज प्रक्रिया (long-document processing) आणि RAG सिस्टम्स.
  • GitHub: https://github.com/LanDisen/FlashMorph
  1. MrFlow (2607.01642)
  • समस्या: डिफ्यूजन मॉडेल्स उच्च रिझोल्यूशनवर संथ असतात.
  • कल्पना: अतिरिक्त ट्रेनिंगशिवाय जनरेशनचा वेग वाढवणे.
  • नवीन दृष्टिकोन: प्रथम कमी रिझोल्यूशनवर जनरेट करणे आणि नंतर सुपर-रिझोल्यूशनचा वापर करणे.
  • वापर: जलद टेक्स्ट-टू-इमेज टूल्स.
  • GitHub: https://github.com/Xingyu-Zheng/MrFlow
  1. AgenticDataBench (2607.01647)
  • समस्या: सध्याचे बेंचमार्क्स वास्तविक डेटा सायन्स कामाचे प्रतिबिंब दर्शवत नाहीत.
  • कल्पना: अनेक क्षेत्रांतील डेटा एजंट्ससाठी एक सर्वसमावेशक चाचणी.
  • नवीन दृष्टिकोन: स्कीमा समजणे (schema understanding) आणि त्रुटी विश्लेषण (error analysis) यांसारख्या विशिष्ट कौशल्यांचे मोजमाप करणे.
  • वापर: AI डेटा अ‍ॅनालिस्ट्सचे मूल्यमापन करणे.
  • GitHub: https://github.com/AgenticDataBench/AgenticDataBench
  1. WorldDirector (2607.02517)
  • समस्या: व्हिडिओ जनरेशनमध्ये दीर्घकालीन सुसंगततेचा अभाव असतो.
  • कल्पना: मोशन प्लॅनिंग आणि व्हिज्युअल रेंडरिंग वेगळे करणे.
  • नवीन दृष्टिकोन: 3D ऑब्जेक्ट पाथ आणि कॅमेरा मूव्हमेंट व्यवस्थापित करण्यासाठी LLM चा वापर करणे.
  • वापर: AI चित्रपट आणि गेम कंटेंट.
  1. VLA-Corrector (2607.01804)
  • समस्या: झटपट निर्णय घेणारे रोबोट्स त्यांच्या मार्गावरून भरकटू शकतात.
  • कल्पना: रिअल-टाइममध्ये त्रुटी शोधण्यासाठी व्हिजन मॉनिटर जोडणे.
  • नवीन दृष्टिकोन: जेव्हा विचलन (deviation) होते तेव्हाच रिप्लॅनिंग ट्रिगर करणे.
  • वापर: जटिल रोबोटिक पिक-अँड-प्लेस टास्क.
  • GitHub: https://github.com/ZJU-OmniAI/vla-corrector
  1. MRPO (2606.31825)
  • समस्या: मेडिकल AI मध्ये, एक छोटीशी चूक संपूर्ण रिझनिंग चेन खराब करू शकते.
  • कल्पना: केवळ अंतिम उत्तरासाठी नाही, तर प्रत्येक योग्य पायरीसाठी मॉडेलला रिवॉर्ड देणे.
  • नवीन दृष्टिकोन: मेडिकल रिझनिंगसाठी स्टेप-वाईज प्रोसेस रिवॉर्ड्सचा वापर करणे.
  • वापर: क्लिनिकल VQA आणि मेडिकल इमेजिंग सपोर्ट.
  • GitHub: https://github.com/dmis-lab/MRPO

कल सारांश (Summary of Trends):

  • उत्तम एजंट्स: स्ट्रक्चर्ड मेमरी आणि स्वयंचलित सुधारणेच्या दिशेने वाटचाल.
  • उत्तम कार्यक्षमता: हायब्रिड अटेंशन आणि मल्टी-रिझोल्यूशन फ्लोद्वारे खर्च कमी करणे.
  • उत्तम विश्वासार्हता: ट्रेनिंगला इन्फरन्सशी सुसंगत करणे आणि योग्य लॉजिक स्टेप्सना रिवॉर्ड देणे.

स्रोत: https://dev.to/y_hnhnhan_2f26de65ffcc4/top-ai-papers-on-hugging-face-2026-07-06-225o

ऐच्छिक लर्निंग कम्युनिटी: https://t.me/GyaanSetuAi