Hugging Face లోని టాప్ AI పేపర్లు
AI వేగంగా అభివృద్ధి చెందుతోంది. ప్రస్తుత పోకడలు (trends) లాంగ్-టర్మ్ ఏజెంట్లు, LLMల కోసం రీఇన్ఫోర్స్మెంట్ లెర్నింగ్ మరియు జనరేటివ్ మోడల్స్పై మెరుగైన నియంత్రణపై దృష్టి సారిస్తున్నాయి.
Hugging Face నుండి 10 అద్భుతమైన పేపర్లు ఇక్కడ ఉన్నాయి:
- Program-as-Weights (2607.02512)
- సమస్య: టాస్క్లను హార్డ్-కోడ్ చేయడం కష్టం, కానీ భారీ మోడళ్లను నడపడం ఖర్చుతో కూడుకున్నది.
- ఆలోచన: సహజ భాషా వివరణలను (natural language descriptions) చిన్న న్యూరల్ ఆర్టిఫాక్ట్లుగా మార్చడం.
- కొత్త విధానం: 0.6B మోడల్ నడిపే చిన్న వెయిట్ ప్యాకేజీని సృష్టించడానికి 4B కంపైలర్ను ఉపయోగించడం.
- ఉపయోగం: ఆన్-డివైస్ AI మరియు వేగవంతమైన లోకల్ టూల్స్.
- GitHub: https://github.com/programasweights/programasweights-python
- Training vs. Inference Policy (2606.29526)
- సమస్య: మోడళ్లు శిక్షణ (training) సమయంలో మరియు వాస్తవ వినియోగంలో తరచుగా భిన్నంగా పనిచేస్తాయి.
- ఆలోచన: వాస్తవ ఇన్ఫరెన్స్ (inference) సమయంలో ఉపయోగించే పాలసీని మెరుగుపరచడంపై దృష్టి సారించడం.
- కొత్త విధానం: శిక్షణ లక్ష్యాలను వాస్తవ ప్రపంచ నిర్ణయ ప్రక్రియతో అనుసంధానించడం.
- ఉపయోగం: స్థిరమైన LLM రీజనింగ్ మరియు RLHF పైప్లైన్లు.
- Project: https://anitaleungxx.github.io/MIPU/
- AgenticSTS (2607.02255)
- సమస్య: లాంగ్-టర్మ్ ఏజెంట్లు వాటి మెమరీ అస్తవ్యస్తంగా ఉండటం వల్ల విఫలమవుతాయి.
- ఆలోచన: కాంటెక్స్ట్ విండోను నింపే బదులు, మెమరీ భాగాలను క్రమబద్ధీకరించడానికి టైప్డ్ రిట్రీవల్ (typed retrieval) ఉపయోగించడం.
- కొత్త విధానం: స్వల్పకాలిక మరియు వ్యూహాత్మక సమాచారం కోసం నియంత్రిత మెమరీ లేయర్లను సృష్టించడం.
- ఉపయోగం: లాంగ్-టర్మ్ AI అసిస్టెంట్లు మరియు సంక్లిష్టమైన ఎంటర్ప్రైజ్ వర్క్ఫ్లోలు.
- GitHub: https://github.com/AlayaLab/AgenticSTS
- EvoPolicyGym (2607.02440)
- సమస్య: ఒక ఏజెంట్ తన స్వంత నియమాలను మెరుగుపరుచుకోగలదా లేదా అని కొలవడానికి మార్గాలు లేవు.
- ఆలోచన: ఏజెంట్లు తమ స్వంత పాలసీలను ఎడిట్ చేయవలసి వచ్చే ఒక వాతావరణం (environment).
- కొత్త విధానం: కేవలం తుది ఫలితాన్ని మాత్రమే కాకుండా, స్వయం-మెరుగుదల (self-improvement) ప్రక్రియను అంచనా వేయడం.
- ఉపయోగం: ఆటో-ఏజెంట్లు మరియు రోబోటిక్స్.
- FlashMorph (2606.30562)
- సమస్య: పొడవైన టెక్స్ట్ కోసం ట్రాన్స్ఫార్మర్లలో ఫుల్ అటెన్షన్ (full attention) చాలా ఖరీదైనది.
- ఆలోచన: ఫుల్ అటెన్షన్ను తక్కువ ఖర్చుతో కూడిన లీనియర్ అటెన్షన్తో కలపడం.
- కొత్త విధానం: ఉత్తమ హైబ్రిడ్ సెటప్ను కనుగొనడానికి లేయర్-ఆధారిత గేట్ను ఉపయోగించడం.
- ఉపయోగం: లాంగ్-డాక్యుమెంట్ ప్రాసెసింగ్ మరియు RAG సిస్టమ్స్.
- GitHub: https://github.com/LanDisen/FlashMorph
- MrFlow (2607.01642)
- సమస్య: హై రిజల్యూషన్ వద్ద డిఫ్యూజన్ మోడళ్లు నెమ్మదిగా ఉంటాయి.
- ఆలోచన: అదనపు శిక్షణ లేకుండా జనరేషన్ను వేగవంతం చేయడం.
- కొత్త విధానం: మొదట తక్కువ రిజల్యూషన్లో జనరేట్ చేసి, ఆపై సూపర్-రిజల్యూషన్ను ఉపయోగించడం.
- ఉపయోగం: వేగవంతమైన టెక్స్ట్-టు-ఇమేజ్ టూల్స్.
- GitHub: https://github.com/Xingyu-Zheng/MrFlow
- AgenticDataBench (2607.01647)
- సమస్య: ప్రస్తుత బెంచ్మార్క్లు వాస్తవ డేటా సైన్స్ పనిని ప్రతిబింబించవు.
- ఆలోచన: అనేక డొమైన్లలో డేటా ఏజెంట్ల కోసం సమగ్రమైన పరీక్ష.
- కొత్త విధానం: స్కీమా అండర్స్టాండింగ్ మరియు ఎర్రర్ అనాలిసిస్ వంటి నిర్దిష్ట నైపుణ్యాలను కొలవడం.
- ఉపయోగం: AI డేటా అనలిస్ట్లను అంచనా వేయడం.
- GitHub: https://github.com/AgenticDataBench/AgenticDataBench
- WorldDirector (2607.02517)
- సమస్య: వీడియో జనరేషన్లో లాంగ్-టర్మ్ కన్సిస్టెన్సీ లోపిస్తుంది.
- ఆలోచన: మోషన్ ప్లానింగ్ను విజువల్ రెండరింగ్ నుండి వేరు చేయడం.
- కొత్త విధానం: 3D ఆబ్జెక్ట్ పాత్లు మరియు కెమెరా మూవ్మెంట్ను నిర్వహించడానికి LLMని ఉపయోగించడం.
- ఉపయోగం: AI సినిమాలు మరియు గేమ్ కంటెంట్.
- VLA-Corrector (2607.01804)
- సమస్య: వేగంగా నిర్ణయాలు తీసుకునే రోబోట్లు దారి తప్పే అవకాశం ఉంది.
- ఆలోచన: రియల్ టైమ్లో లోపాలను గుర్తించడానికి ఒక విజన్ మానిటర్ను జోడించడం.
- కొత్త విధానం: మార్పు (deviation) జరిగినప్పుడు మాత్రమే రీప్లానింగ్ను ప్రారంభించడం.
- ఉపయోగం: సంక్లిష్టమైన రోబోటిక్ పిక్-అండ్-ప్లే టాస్క్లు.
- GitHub: https://github.com/ZJU-OmniAI/vla-corrector
- MRPO (2606.31825)
- సమస్య: మెడికల్ AIలో, ఒక చిన్న తప్పు మొత్తం రీజనింగ్ చైన్ను దెబ్బతీస్తుంది.
- ఆలోచన: కేవలం తుది సమాధానానికే కాకుండా, ప్రతి సరైన దశకు మోడల్కు రివార్డ్ ఇవ్వడం.
- కొత్త విధానం: మెడికల్ రీజనింగ్ కోసం స్టెప్-వైజ్ ప్రాసెస్ రివార్డ్లను ఉపయోగించడం.
- ఉపయోగం: క్లినికల్ VQA మరియు మెడికల్ ఇమేజింగ్ సపోర్ట్.
- GitHub: https://github.com/dmis-lab/MRPO
పోకడల సారాంశం:
- మెరుగైన ఏజెంట్లు: స్ట్రక్చర్డ్ మెమరీ మరియు స్వయం-మెరుగుదల వైపు అడుగులు.
- మెరుగైన సామర్థ్యం: హైబ్రిడ్ అటెన్షన్ మరియు మల్టీ-రిజల్యూషన్ ఫ్లోస్ ద్వారా ఖర్చులను తగ్గించడం.
- మెరుగైన విశ్వసనీయత: శిక్షణను ఇన్ఫరెన్స్తో అనుసంధానించడం మరియు సరైన లాజిక్ దశలకు రివార్డ్ ఇవ్వడం.
మూలం: https://dev.to/y_hnhnhan_2f26de65ffcc4/top-ai-papers-on-hugging-face-2026-07-06-225o
ఐచ్ఛిక అభ్యాస కమ్యూనిటీ: https://t.me/GyaanSetuAi