OpenAI ने रिपोर्ट किया है कि एक आंतरिक AI प्रणाली ने एक प्रमाण तैयार किया है जो दर्शाता है कि तरल गति के लिए नेवियर-स्टोक्स समीकरणों की गतिशीलता सीमित समय में एक असाधारणता विकसित कर सकती है। समाधान, GPT-6 Astra से काफी अधिक सक्षम मॉडल द्वारा संचालित बहु-एजेंट प्रणाली द्वारा व्युत्पन्न किया गया, हज़ार वर्ष पुरस्कार विवरण में कथन "C" को स्थापित करता है।
एन्थ्रोपिक ने एक नई जीवन विज्ञान अनुसंधान समूह की घोषणा की है, जो क्लॉड का उपयोग अचिन्हित प्रोटीन परिवारों को पहचानने और प्रयोगशाला प्रयोगों के माध्यम से परिकल्पनाओं का परीक्षण करने के लिए समर्पित है। प्रारंभिक परिणामों में, कृत्रिम बुद्धिमत्ती ने स्वतंत्र रूप से बैक्टीरियोफेज में पाए जाने वाले सरणी-संबंधित रिवर्स ट्रांसक्रिप्टेजेज (ART) नामक एक नवीन एंजाइम प्रणाली की खोज की।
माइक्रोसॉफ्ट रिसर्च ने रेट्रोसिंथेसिस भविष्यवाणी के लिए एक नया फ्रेमवर्क, RetroChimera को प्रकाशित और ओपन-सोर्स किया है, जो उच्च गुणवत्ता वाले संश्लेषण मार्गों का सुझाव देने के लिए दो पूरक मॉडलों को जोड़ता है। सिस्टम एक सीखी हुई एन्सेंबलिंग रणनीति का उपयोग करके R-SMILES 2, एक Transformer-आधारित de-novo मॉडल, और NeuralLoc, एक ग्राफ न्यूरल नेटवर्क (GNN) आधारित मॉडल को एकीकृत करता है।
Google DeepMind और Google Research ने WeatherNext 3 पेश किया, एक उन्नत वैश्विक मौसम AI मॉडल जो वास्तविक समय के उपग्रह अवलोकनों से सीखकर उच्च स्थानिक रिज़ॉल्यूशन पर घंटे-वार पूर्वानुमान उत्पन्न करता है। यह अपडेट अपने पूर्ववर्ती, WeatherNext 2 की तुलना में लगभग पांच गुना अधिक स्पष्ट पूर्वानुदान प्रदान करता है, जो महत्वपूर्ण मौसम घटनाओं के लिए अधिक स्थानीयकृत भविष्यवाणी को सक्षम बनाता है।
लेख में Human2Any का परिचय दिया गया है, जो प्रतिबंध-जागरूक संयोजी योजना का उपयोग करने वाला एक मानव से रोबोट स्थानांतरण विधि है। स्रोत में कोई अन्य विवरण या मुख्य पाठ प्रदान नहीं किया गया है।
नवीडिया शोधकर्ता एन. हॉरॉक्स स्थिरकारक सर्किट और स्टोकास्टिक पॉली त्रुटियों के साथ दोष-सहिष्णु क्वांटम प्रोग्रामों को संभालने के लिए डिज़ाइन किए गए विस्तृत डिटेक्टर त्रुटि मॉडल (EDEMs) पेश करते हैं। ये मॉडल त्रुटि विश्लेषण को क्रमिक और समानांतर में संयोजित करने की अनुमति देते हैं, जो भौतिक सर्किट कार्यान्वयन की संरचना को दर्शाते हैं।
OpenAI से जुड़े खातों ने रिपोर्ट की कि एक AI-सहायित प्रयास ने Navier-Stokes अस्तित्व और नियमितता समस्या से संबंधित एक परिणाम उत्पन्न किया, जो हज़ार वर्ष पुरस्कार समस्याओं में से एक है। दावा यह है कि लगभग 10,000 एजेंटों ने बहु-एजेंट प्रबलन सीखने का उपयोग करके लगभग एक वर्ष की प्रशिक्षण के बाद कार्य पर सहयोग किया।
शोधकर्ताओं ने बड़े भाषा मॉडल्स के लिए एक पोस्ट-ट्रेनिंग पाइपलाइन विकसित की है जो उन्हें प्रतिस्पर्धी प्रोग्रामिंग में स्वर्ण पदक स्तर का प्रदर्शन करने में सक्षम बनाती है। सुपरवाइज्ड फाइन-ट्यूनिंग, रीइंफोर्समेंट लर्निंग और GenCorrect नामक एक नई फीडबैक-ड्रिवन रणनीति को जोड़कर, यह प्रणाली IOI 2026 समस्या सेट पर शीर्ष मानव प्रतिभागीओं से बेहतर प्रदर्शन करती है।
NVIDIA ने प्रतिस्पर्धी प्रोग्रामिंग में उत्कृष्टता हासिल करने के लिए अपने Nemotron-3-Nano-CC और Nemotron-3-Ultra-CC भाषा मॉडल के लिए पोस्ट-ट्रेनिंग पाइपलाइन विकसित की है। बड़े पैमाने पर समस्याओं का चयन, संश्लेषित तर्क ट्रेस, सुपरवाइज्ड फाइन-ट्यूनिंग और रीइंफोर्समेंट लर्निंग को जोड़कर, टीम ने उच्च स्तरीय एल्गोरिदमिक तर्क करने में सक्षम विशेष प्रणालियाँ बनाई हैं।
NVIDIA ने अपने Nemotron-3 भाषा मॉडल के लिए एक पोस्ट-ट्रेनिंग पाइपलाइन विकसित की है, जिससे वे अंतर्राष्ट्रीय ओलंपियाड इन इन्फॉर्मेटिक्स (IOI) में स्वर्ण पदक स्तर की प्रदर्शनता हासिल कर सकें। इस दृष्टिकोण में बड़े-पैमाने पर समस्याओं का चयन, संश्लेषित तर्क ट्रेस, सुपरवाइज्ड फाइन-ट्यूनिंग और रीइंफोर्समेंट लर्निंग को जोड़ा गया है।
लेखकों ने एजेंटिक मेटा-रिज़निंग पेश की, जो एक निष्कर्ष-समय हार्नेस है जो लंबे-हॉराइजन कार्यों के लिए निष्पादन चयनों को संरचित करता है। एक नियंत्रक प्रक्रिया का प्रबंधन करता है जो प्रगति को एकीकृत करता है और पूर्ण इतिहास के बजाय एक कॉम्पैक्ट रन अकाउंट के आधार पर कार्य भेजता है।
लेखकों ने RareDx पेश किया, एक सिस्टम जो नियंत्रित प्रमाण उपयोग को ज्ञान-ग्राफ-ग्राउंडेड पॉलिसी ऑप्टिमाइज़ेशन के साथ जोड़ता है दुर्लभ-रोग निदान की लंबी-छाया तर्क समस्या को हल करने के लिए। प्रशिक्षण पाइपलाइन Top-10 पोस्ट-ट्रेनिंग को RareDx-KGPO के साथ जोड़ती है, जो भविष्यवाणियों को एक मानकीकृत रोग ग्राफ में प्रोजेक्ट करता है और संपादित स्तरित प्रासंगिकता, ऑन्टोलॉजी निकटता, बायोमेडिकल समानता, और लक्षण स्थिरता को एकीकृत करता है।
शोधकर्ताओं ने TokenProbe प्रस्तुत किया, एक फ्रेमवर्क जो अनुक्रम के भीतर टोकन के असमान मूल्य का लाभ उठाकर चेन-ऑफ़-थॉट (Chain-of-Thought) तर्क में उच्च टोकन खपत को संबोधित करता है। विधि संरचनात्मक टोकन और अनावश्यक फिलर के बीच अंतर करने के लिए सामान्यीकृत लॉग प्रायिकता का उपयोग करती है, जिससे चयनात्मक संपीड़न संभव होता है।
शोधकर्ताओं ने TokenProbe प्रस्तुत किया, जो Chain-of-Thought तर्क के उच्च टोकन उपभोग को हल करने वाले एक फ्रेमवर्क को दर्शाता है, जो तर्क ट्रैस के भीतर टोकन के गैर-समान मूल्य का लाभ उठाता है। विधि सामान्यीकृत लॉग प्रायिकता संकेतों का उपयोग करके निर्णायक सामग्री ले जाने वाले कोर टोकन और अनावश्यक फिलर के बीच अंतर करती है।
शोधकर्ताओं ने Visual Answerability Diagnosis with Rationales (VAD-R) का परिचय दिया, एक नया बेंचमार्क जो दृश्य-भाषा मॉडलों की क्षमता का मूल्यांकन करने के लिए डिज़ाइन किया गया है कि वे शॉर्टकट संकेतों के बिना उत्तर देने योग्य नहीं होने वाले प्रश्नों से कैसे बचते हैं। अध्ययन से पता चलता है कि छिपी हुई अवस्थाएँ उत्तर देने की क्षमता को अलग कर सकती हैं, लेकिन वर्तमान मॉडल इसे स्पष्ट निर्णयों में परिवर्तित करने में विफल रहते हैं।
शोधकर्ताओं ने Highlight-Then-Summarize (H2S) का प्रस्ताव दिया, जो एक compress-then-reason अंतर्दृष्टि है जो प्रश्न-संबंधी प्रमाण की पहचान करती है और उत्तर उत्पन्न करने से पहले उसे एक संपीड़ित सारांश में एकीकृत करती है। टीम ने H2S-Dataset का निर्माण 6,647 उदाहरणों के साथ किया और प्रमाण चयन के लिए प्रक्रिया-स्तर पुरस्कार प्रदान करने के लिए H2S-RL को पेश किया।
शोधकर्ताओं ने Highlight-Then-Summarize (H2S) का प्रस्ताव रखा, जो एक compress-then-reason परिप्रेक्ष्य है जो प्रश्न-संबंधी प्रमाण की पहचान करता है और उत्तर उत्पन्न करने से पहले उसे एक संक्षिप्त सारांश में एकीकृत करता है। इस दृष्टिकोण का समर्थन करने के लिए, टीम ने 11 बेंचमार्क परिवारों से 6,647 उदाहरणों के साथ H2S-Dataset तैयार किया और प्रक्रिया-स्तर के पुरस्कारों के लिए H2S-RL पेश किया।
वू-एन-यू-एच-सीएम विश्वविद्यालय के सूचना प्रौद्योगिकी विभाग में स्नातकोत्तर छात्र हंग ट्रान ने अपने पेपर "द क्लिपिंग ट्राप: ओवरफिट्ड न्यूरल इमेज कोडेक्स में एक मौन विफलता मोड" के लिए कोड और डेटा प्रकाशित किए हैं। इस कार्य में यह उजागर किया गया है कि कुल-चिक और सी3 जैसे ओवरफिट्ड कोडेक्स विशिष्ट सामग्री प्रकारों पर शून्य डिस्टॉर्शन ग्रेडिएंट के साथ समान रंग की छवियां उत्पन्न कर सकते हैं।
बायोलॉजिकल JEJA नामक एक नया ओपन-सोर्स प्रोजेक्ट JEPA-शैली प्रतिनिधित्व सीखने को जैविक बाधाओं के साथ जोड़ता है ताकि यह मॉडल किया जा सके कि रोग समय के साथ कैसे आगे बढ़ते हैं। इस दृष्टिकोण का परीक्षण 2,347 रोगियों से वास्तविक ADNI डेटा पर किया गया और कई अन्य मॉडलों के साथ तुलना की गई।
Hugging Face फोरम पर एक स्नातक छात्र VAPO पेपर से अवधारणाओं को Qwen 2.5 Omni 3B मॉडल पर लागू करने के बारे में चर्चा कर रहा है ताकि स्लाइड संदर्भ के साथ ऑडियो ट्रांसक्रिप्शन के दौरान हॉल्युसिनेशन समस्याओं का समाधान किया जा सके।