[NOVA]: मैं NOVA हूं।

[ALLOY]: मैं ALLOY हूं, और यह AgentStack Daily है...

[NOVA]: OpenAI ने terminal-based coding agent Codex के लिए rust .144 point two और rust .144 point three जारी किया। इस जोड़ीदार रिलीज ने एक Guardian prompting regression को revert किया, इसकी automated-review policy को restore किया, review में भेजे गए request shape को repair किया, और associated tool behavior को earlier baseline पर वापस लाया।

[ALLOY]: आज: Codex ने Guardian की prior review contract को restore किया, Apple का आरोप है कि OpenAI ने trade secrets प्राप्त करने के लिए employees को recruit किया, और vLLM .25 ने Model Runner V2 को dense-model serving के लिए default बना दिया। आप सुनेंगे कि कैसे दो specialized agents ने QANTA जीता, कैसे chunk-level reinforcement learning ने unsafe robot contact को reduce किया, और कैसे एक clinical agent ने diagnostic burden को fifty-five percent तक कम किया।

[NOVA]: Freya-TTS ने compact flow-matching transformer के साथ fast Turkish speech synthesis लाया है। Long-horizon terminal work को denser evaluation मिलती है, Agora models के बीच individual reasoning steps की bidding करता है, और vision research missing knowledge को faulty readout से अलग करता है।

[ALLOY]: Wider stack में fraud detection without resampling, shared radar-camera scene state, medical logit adaptation, तीन MCP projects, और broader local inference support के साथ Ollama .31 point two शामिल है। Virtual-economy fraud, coding-agent failure trajectories, और open-ended representations पर research queue को पूरा करता है।

[NOVA]: ...

[NOVA]: OpenAI ने terminal-based coding agent Codex के लिए rust .144 point two जारी किया, फिर लगभग ninety-three minutes बाद rust .144 point three के साथ पीछा किया। Functional correction point two में आया: एक earlier Guardian prompting update का full rollback। Guardian Codex का automated code-review stage है, और revert तीन connected surfaces को restore करता है—the review को guide करने वाली policy, उसमें भेजे जाने वाले request shape, और change को inspect करते समय use होने वाले tool behavior। Continuous integration में Guardian run करने वाली teams को surrounding behavior को sync में छोड़ने वाले prompt tweak के बजाय coordinated return to earlier contract मिलती है।

[ALLOY]: Guardian findings अक्सर review dashboards, merge controls, severity filters, और workflows को feed करती हैं जो correctness issues को style या maintainability comments से अलग करती हैं। एक prompting regression source change और repository config identical रहने पर भी categories बदल सकती है। Rollback उन findings को teams के observed distribution पर लौटाती है। यह तब matter करता है जब automated controls Guardian output को informal prose के बजाय consume करती हैं।

[NOVA]: Point three same release branch से follow हुआ और दूसरे Guardian change के बिना patched tree को republish करता है। दोनों tags separate feature releases के बजाय एक compressed correction cycle के हैं। कोई second review policy, new schema, या rollback पर additional tool contract layer नहीं है। Later build same functional correction को forward carry करती है।

[ALLOY]: व्यवहार में, नए स्थिर बिल्ड का उपयोग करने वाले Codex इंस्टॉलेशन Guardian की पूर्व स्वचालित-समीक्षा व्यवहार को पुनः प्राप्त करते हैं। जो एकीकरण टिप्पणियों को श्रेणी, गंभीरता, या अपेक्षित वाक्यांश के अनुसार वर्गीकृत करते हैं, वे अपने पूर्व पैटर्न को वापस देख सकते हैं। यह रिलीज़ समीक्षा प्रॉम्प्टिंग और इससे जुड़े अनुरोध और टूल सतहों पर संकुचित रहती है; यह Codex समीक्षा को समग्र रूप से पुनः डिज़ाइन नहीं करती। अगला महत्वपूर्ण परिवर्तन एक संशोधित Guardian पॉलिसी होगी जिसमें स्पष्ट व्यवहारिक अनुबंध हो, खासकर यदि OpenAI फिर से समीक्षक द्वारा निष्कर्षों के चयन या टूल के आह्वान को समायोजित करता है।

[NOVA]: ...

[NOVA]: Apple ने दस जुलाई को OpenAI के विरुद्ध मुकदमा दायर किया, यह आरोप लगाते हुए कि पूर्व Apple कर्मचारियों ने AI कंपनी में शामिल होने से पहले व्यापार रहस्य चुराए। शिकायत प्रस्थान को व्यक्तिगत नियुक्तियों के असंबद्ध कार्यों के रूप में प्रस्तुत नहीं करती। Apple आरोप लगाता है कि OpenAI के वरिष्ठ नेतृत्व ने समन्वय किया और एक लंबे समय से पूर्व Apple कर्मचारी की ओर इशारा करता है जो अब वहाँ एक वरिष्ठ भूमिका में है। ये आरोप हैं, और OpenAI तथ्यों और Apple के कानूनी सिद्धांत दोनों को चुनौती दे सकता है।

[ALLOY]: समन्वय विवाद के दायरे को बदल देता है। यदि मामला खोज तक पहुँचता है, तो Apple भर्ती, परियोजना असाइनमेंट, एक्सेस नियंत्रण, और अधिकारियों ने कर्मचारियों के पूर्व कार्य के बारे में क्या समझा, इससे संबंधित संचार माँग सकती है। OpenAI विवाद कर सकता है कि दावा की गई सामग्री संरक्षित व्यापार रहस्य के रूप में योग्य है या नहीं, क्या किसी ने इसे स्थानांतरित किया, और क्या किसी नेता ने इसके उपयोग का निर्देश दिया। नौकरियों के बीच ले जाया गया सामान्य विशेषज्ञता कानूनी रूप से मालिकाना तकनीकी सामग्री से अलग है।

[NOVA]: तकनीकी परिणाम इस बात पर निर्भर करते हैं कि Apple क्या विशिष्ट रूप से पहचानता है। बाद की फाइलिंग दावों को मॉडल तकनीकों, प्रशिक्षण वर्कफ़्लो, उत्पाद क्षमताओं, हार्डवेयर प्रणालियों, या आंतरिक अनुसंधान कार्यक्रमों से जोड़ सकती हैं। वे रोजगार आचरण और गोपनीयता पर केंद्रित भी रह सकती हैं। फाइलिंग में अकेले कुछ भी साबित नहीं करता कि संरक्षित सामग्री OpenAI मॉडल, API, या तैनात सेवा में प्रवेश कर गई, मुकदमे के इर्द-गिर्द तीव्र सार्वजनिक चर्चा के बावजूद।

[ALLOY]: AI लैब प्रतिद्वंद्वियों के बीच अपने करियर बिताने वाले इंजीनियरों के छोटे पूल से भर्ती करती हैं, इसलिए ऑनबोर्डिंग नियंत्रण अब मॉडल और उत्पाद शासन के बगल में बैठते हैं। एक साफ़ इंटेक प्रक्रिया को कर्मचारी के संचित कौशल को पूर्व-नियोक्ता सामग्री से अलग करना चाहिए, खासकर जब नई भूमिका पूर्व कार्य से काफी मिलती-जुलती हो। OpenAI का औपचारिक जवाब, खारिज करने की कोई भी याचिका, और यह विवाद कि Apple कथित रहस्यों की पहचान कितनी सटीकता से करना चाहिए, यह तय करेगा कि मामला किसी नामित AI क्षमता तक पहुँचता है या प्रतिभा, गोपनीयता, और कार्यकारी समन्वय की व्यापक लड़ाई बना रहता है।

[NOVA]: ...

[NOVA]: Nirjhar Das और Md. Al-Mamun Provath ने point four zero two स्कोर करने वाले कार्य-विशिष्ट दो-एजेंट सिस्टम के साथ QANTA 2026 मल्टीमॉडल क्विज़बाउल चैलेंज में पहला स्थान हासिल किया। QANTA पिरामिड-शैली के सुरागों को क्रमिक रूप से प्रकट करता है और पाठ को चित्रों के साथ जोड़ता है। टॉसअप प्रश्नों के लिए तभी बजने का निर्णय लेना आवश्यक है जब विश्वास काफी ऊँचा हो, जबकि बोनस प्रश्न श्रेणी स्पष्ट होने के बाद सटीक उत्तरों पर जोर देते हैं। दक्षता बाधाएँ टीमों को असीमित पुनर्प्राप्ति या बड़े समूहों के पीछे कमज़ोर निर्णय नीतियों को छिपाने से रोकती हैं।

[ALLOY]: विजेता स्टैक न तो पुनर्प्राप्ति पाइपलाइन का उपयोग करता है और न ही मॉडल समूह का। एक छोटा होस्टेड मॉडल टॉसअप को विश्वास-अंशांकित उत्तर और संख्यात्मक-तर्क नीति के साथ संभालता है। वह नीति अपरिपक्व विश्वास को दबा देती है जब एक मात्रात्मक सुराग विशिष्ट लगता है लेकिन उत्तर को अद्वितीय रूप से पहचान नहीं पाता। एजेंट उत्तर गुणवत्ता और समय दोनों को नियंत्रित करता है, जल्दी बजने को साधारण पाठ निर्माण के बजाय अनिश्चितता के तहत एक कार्रवाई के रूप में मानता है।

[NOVA]: एक बड़ा होस्टेड मॉडल लीड-इन जागरूकता, संबंधात्मक तर्क, और मल्टीमॉडल साक्ष्य एकीकरण के साथ बोनस को संभालता है। भूमिका पृथक्करण बोनस एजेंट को टॉसअप एजेंट की समय नीति को लिए बिना सटीक उत्तर स्ट्रिंग को अनुकूलित करने देती है। संयुक्त स्कोर में टॉसअप से point two three eight और point one six four बोनस प्रभाव शामिल है।

[ALLOY]: परिणाम दिखाता है कि मिलती-जुलती इन्फरेंस बजट के तहत, स्पष्ट टास्क डिकंपोजीशन एक भारी सामान्य पाइपलाइन से बेहतर प्रदर्शन कर सकती है। एक कॉम्पैक्ट मॉडल बार-बार होने वाले निर्णयों को ले सकता है जब उसके पास कैलिब्रेटेड स्टॉपिंग और एक्शन पॉलिसीज़ हों, जबकि एक मजबूत मॉडल उन छोटे सेट ऑफ स्टेप्स को संभालता है जिन्हें समृद्ध संश्लेषण की जरूरत है। सपोर्ट ट्रायज, इन्सिडेंट एस्केलेशन और टूल एक्जीक्यूशन उसी व्यवस्था का उपयोग कर सकते हैं: एक एजेंट तय करता है कि सबूत काफी है या नहीं, फिर दूसरा संकीर्ण कार्य को हल करता है। अलग-अलग उद्देश्यों ने यह लाभ दिया, न कि बस दूसरे मॉडल को जोड़ना।

[NOVA]: ...

[NOVA]: PAC-ACT प्रीट्रेंड Action Chunking Transformer पॉलिसीज़ पर रीइन्फोर्समेंट-लर्निंग पोस्ट-ट्रेनिंग लागू करता है। युजिए पांग और ज़ुडोंग ली औद्योगिक संपर्क कार्यों को लक्षित करते हैं जहां रोबोट को वास्तविक समय में काम करना होता है, पोज विविधता को सहन करना होता है और असुरक्षित बलों से बचना होता है। विज़न-लैंग्वेज-एक्शन सिस्टम व्यापक रूप से जनरलाइज़ कर सकते हैं, लेकिन उनकी विलंबता और GPU आवश्यकताएं तंग कंट्रोल लूप्स से टकरा सकती हैं। ACT पॉलिसीज़ अधिक कुशलता से निष्पादित होती हैं, हालांकि व्यवहार क्लोनिंग टूट जाती है जब संपर्क की स्थितियां डेमोस्ट्रेशन से भिन्न हो जाती हैं।

[ALLOY]: PAC-ACT हर कंट्रोल स्टेप को स्वतंत्र रूप से देखने के बजाय पूरे एक्शन चंक्स को ऑप्टिमाइज़ करता है। एक एक्टर-क्रिटिक लेयर फ्रोज़न प्रीट्रेंड ACT बैकबोन पर बैठती है, जो मूल डिप्लॉयमेंट पथ को संरक्षित करती है। एक हाइब्रिड बिहेवियर-प्रायर कंस्ट्रेंट ऑनलाइन एक्सप्लोरेशन को उन एक्शन्स के पास रखता है जिन्हें कंट्रोलर पहले से यथार्थ मानता है। रीइन्फोर्समेंट लर्निंग इमिटेशन से प्राप्त मोशन पैटर्न को खोए बिना सुरक्षित संपर्क व्यवहार की खोज कर सकती है।

[NOVA]: प्रिसिज़न-संपर्क बेंचमार्क पर, यह विधि सफलता, संपर्क स्थिरता और बल सुरक्षा में सुधार करती है। Contour टास्क में, इसने व्यवहार-क्लोन बेसलाइन की तुलना में साठ न्यूटन से ऊपर के बल रीडिंग के अनुपात को छियालीस गुना कम किया। स्पार्स-रिवॉर्ड प्रयोगों ने रैंडमाइज़्ड प्रारंभिक पोज़ से उपयोगी एक्सप्लोरेशन भी उत्पन्न किया, जहां सामान्य रीइन्फोर्समेंट लर्निंग रुक जाती है। चंक-स्तरीय रिवॉर्ड पूरे संपर्क मैन्यूवर को उसके अंतिम बल और पूर्णता परिणाम से जोड़ते हैं।

[ALLOY]: रोबोटिक्स टीमें कम-विलंबता इन्फरेंस स्टैक को बदले बिना मौजूदा ACT कंट्रोलर में पोस्ट-ट्रेनिंग लेयर जोड़ सकती हैं। चंक रिवॉर्ड स्वाभाविक रूप से इंसर्शन पूरा करना, संपर्क बनाए रखना, या बल सीमा से नीचे रहना व्यक्त करते हैं। बिहेवियर प्रायर अपडेटेड कंट्रोलर को डेमोस्ट्रेटेड मोशन से बांधे रखता है जबकि लक्षित सुधार की अनुमति देता है। दूसरी ACT बैकबोन्स, सेंसर्स और भौतिक कार्यों में ट्रांसफर के लिए अभी भी पुष्टि की जरूरत है, लेकिन PAC-ACT तेज इमिटेशन पॉलिसीज़ और सटीकता और सुरक्षा के लिए ऑनलाइन ऑप्टिमाइज़ेशन के बीच एक ठोस सेतु प्रदान करता है।

[NOVA]: ...

[NOVA]: SAGEAgent ग्लायोमा सर्वाइवल प्रेडिक्शन के लिए डायग्नोस्टिक एक्विज़िशन को एक क्रमिक निर्णय के रूप में मानता है। चोंग्यू क्वू, कैन कुई और झेंग्यी लू एक क्लिनिकल वर्कफ़्लो को मॉडल करते हैं जो डेमोग्राफ़िक्स और इमेजिंग से अधिक बोझिल जीनोमिक विश्लेषण तक बढ़ सकता है। हर मॉडैलिटी के मौजूद होने की धारणा बनाने के बजाय, एजेंट तय करता है कि व्यक्तिगत रोगी के लिए सबूत का दूसरा स्रोत उचित है या नहीं।

[ALLOY]: तीन घटक उस चॉइस का मार्गदर्शन करते हैं। क्लिनिकल टूल्स संख्यात्मक प्रेडिक्शन्स को उस भाषा में अनुवादित करते हैं जो रीज़निंग मॉडल उपयोग कर सकता है। एपिसोडिक मेमोरी समान पिछले रोगियों को पुनः प्राप्त करती है। सेमांटिक मेमोरी पिछले केसों में सीखी गई पुन: प्रयोज्य एक्विज़िशन पॉलिसीज़ बनाए रखती है। इसलिए स्ट्रक्चर्ड प्रेडिक्टर्स एक एजेंट को फीड कर सकते हैं बिना भाषा मॉडल को बिना सहायता के कच्चे क्लिनिकल स्कोर की व्याख्या करने की आवश्यकता के, जबकि दो मेमोरी लेयर्स केस समानता को व्यापक निर्णय अनुभव से अलग करती हैं।

[NOVA]: इवैल्यूएशन चार मॉडैलिटीज़ में TCGA और BraTS के ग्लायोमा कोहॉर्ट्स को जोड़ता है। SAGEAgent ने पूर्ण मॉडैलिटी सेट का उपभोग करने की तुलना में पचपन प्रतिशत की औसत एक्विज़िशन बोझ कम करते हुए प्रतिस्पर्धी सर्वाइवल-प्रेडिक्शन सटीकता बनाए रखी। एजेंट को एक स्पष्ट स्टॉपिंग निर्णय प्राप्त होता है, जो अधिक सबूत प्राप्त करने की लागत से प्रेडिक्टिव गुणवत्ता को जोड़ता है।

[ALLOY]: यह डिज़ाइन वहाँ भी लागू होता है जहाँ एक एजेंट को यह तय करना होता है कि क्या कोई अन्य एसे, स्कैन, स्पेशलिस्ट स्टेप, या महंगा API कॉल परिणाम को बेहतर करने के लिए अपनी लागत को उचित ठहराएगा। हेल्थकेयर बोझ एक सार्वभौमिक स्केलर नहीं है: देरी, बिलिंग, इनवेसिवनेस, और उपलब्धता मरीजों और संस्थानों के अनुसार अलग-अलग होती है। अन्य कैंसरों पर रेप्लिकेशन और प्रॉस्पेक्टिव क्लिनिकल वर्कफ़्लो दिखाएंगे कि रिपोर्ट किया गया कमी वास्तविक लागत मॉडल और सुरक्षा बाधाओं में जीवित रहता है या नहीं। महत्वपूर्ण क्षमता सीखी गई एविडेंस एक्विज़िशन है, न कि मिसिंग इनपुट का पैसिव हैंडलिंग।

[NOVA]: ...

[NOVA]: Freya-TTS एक तुर्की-फर्स्ट स्पीच मॉडल है जिसमें लगभग एक सौ तिरासी मिलियन पैरामीटर हैं। Ahmet Erdem Pamuk, Ömer Yentür, और Ahmet Tunga Bayrak ने फ़ोनेमाइज़र, ग्राफीम-टू-फ़ोनीम फ्रंटएंड, और डिस्क्रीट स्पीच टोकनाइज़र को हटाया है जो आमतौर पर स्पीच स्टैक में पाए जाते हैं। Freya एक कच्चा बासी-दो सिंबल तुर्की कैरेक्टर वोकैब्युलरी स्वीकार करता है और एक नॉन-ऑटोरेग्रेसिव कंडीशनल फ्लो-मैचिंग डिफ्यूज़न ट्रांसफॉर्मर के माध्यम से स्पीच जेनरेट करता है।

[ALLOY]: ट्रांसफॉर्मर AudioVAE2 के फ्रोज़न कंटीन्यूअस लेटेंट स्पेस के अंदर काम करता है। स्पीच सोलह किलोहर्ट्ज़ पर एन्कोड की जाती है और अड़तालीस किलोहर्ट्ज़ पर रीकंस्ट्रक्ट की जाती है, जिससे Freya की ट्रेनबल कैपेसिटी टेक्स्ट को अकूस्टिक लेटेंट्स में मैप करने पर केंद्रित रहती है। पैरलल डीनॉइज़िंग लेटेंट सीक्वेंस को एक साथ जेनरेट करती है, एक-एक फ्रेम एमिट करने के बजाय। एक दूसरा पोस्ट-ट्रेनिंग फेज सिंगल-स्पीकर आइडेंटिटी और शॉर्ट कन्वर्सेशनल यूटरेंस को मजबूत करता है।

[NOVA]: Freya-TR-Eval पर, मॉडल आठ प्रतिशत वर्ड एरर रेट और तीन प्रतिशत कैरेक्टर एरर रेट रिपोर्ट करता है, लेखकों के तुलनात्मक अध्ययन में बड़े ओपन तुर्की स्पीच सिस्टम से बेहतर प्रदर्शन करता है। यह कंज्यूमर GPU पर पॉइंट वन वन का रियल-टाइम फैक्टर हासिल करता है और लैपटॉप CPU पर रियल टाइम से तेज चलता है। यह लोकल तुर्की सिंथेसिस को उन वॉइस एजेंटों के लिए संभव बनाता है जो रिमोट स्पीच सर्विस पर निर्भर नहीं हो सकते।

[ALLOY]: रिलीज में वेट्स, ट्रेनिंग और इन्फरेंस कोड, और एवल्यूएशन सेटअप प्रदान किया गया है। इसका कॉम्पैक्ट साइज़ आंशिक रूप से एकोस्टिक रीकंस्ट्रक्शन को फ्रोज़न VAE को सौंपने से आता है, ट्रांसफॉर्मर से हर वेवफॉर्म लेयर सीखने की माँग करने के बजाय। कैरेक्टर-ओनली इनपुट भी कई अलग-अलग मेंटेनड लैंग्वेज कंपोनेंट्स को हटा देता है। तुर्की से परे ट्रांसफर बड़ा सवाल बना हुआ है, क्योंकि उच्चारण और नॉर्मलाइज़ेशन की माँग मॉर्फोलॉजिकली रिच भाषाओं में अलग-अलग होती है। तुर्की डिप्लॉयमेंट के लिए, Freya मॉडरेट कंप्यूट, लो लेटेंसी, और एक ओपनली उपलब्ध स्टैक में प्रतिस्पर्धी इंटेलिजिबिलिटी को जोड़ता है।

[NOVA]: ...

[NOVA]: Long-Horizon-Terminal-Bench चार-साठ टर्मिनल टास्क पर एजेंटों का मूल्यांकन नौ कैटेगरी में करता है, जिसे वन-शॉट जवाबों के बजाय सस्टेन्ड इंटरैक्शन की आवश्यकता वाले डिज़ाइन के साथ बनाया गया है। Zilong Li और सहयोगी उन सत्रों को लक्षित करते हैं जहाँ एक एजेंट को स्टेट का निरीक्षण करना, कमांड एक्जीक्यूट करना, परिणामों की व्याख्या करना, अपने दृष्टिकोण को संशोधित करना, और कई टर्न में प्रगति को बनाए रखना होता है। एक मजबूत इनिशियल उत्तर की कम वैल्यू है अगर एजेंट काम करने वाला परिणाम देने के लिए पर्याप्त देर तक जारी नहीं रह सकता।

[ALLOY]: Dense रिवॉर्ड-बेस्ड ग्रेडिंग पास-ऑर-फेल सुइट्स से इस बेंचमार्क को अलग करती है। इंटरमीडिएट स्टेट चेंज और पार्शियल सल्यूशन क्रेडिट कमा सकते हैं भले ही अंतिम गोल अधूरा रहे। एवल्यूएटर देख सकते हैं कि क्या एजेंट लगातार आगे बढ़ा, प्लेटो पर रहा, या ट्रैजेक्टरी के अंत में उपयोगी प्रगति को नुकसान पहुँचाया। Dense रिवॉर्ड्स भी एक समृद्ध ट्रेनिंग सिग्नल प्रदान करते हैं हर अनफिनिश्ड अटेम्प्ट को समान जीरो असाइन करने की तुलना में।

[NOVA]: एक रियल शेल के खिलाफ ऑपरेट करना डेलेड कॉन्सीक्वेंस को विज़िबल बनाता है। एक लोकली रीज़नेबल एक्शन कई स्टेप बाद में परेशानी पैदा कर सकता है, कॉन्टेक्स्ट मैनेजमेंट, प्लानिंग, और रिकवरी पर दबाव डालता है। बेंचमार्क एक एजेंट को उससे अलग कर सकता है जो आगे बढ़ता है उससे जो संभावित प्रगति का वर्णन करता है जबकि बार-बार एक ही डेड एंड पर वापस आता है। यह यह भी प्रकट करता है कि क्या एनवायरनमेंटल फीडबैक स्ट्रैटेजी में सार्थक बदलाव का कारण बनता है।

[ALLOY]: टर्मिनल-आधारित कोडिंग एजेंटों को छोटे कार्यों पर उच्च पूर्णता दर से अधिक की आवश्यकता होती है। बहु-घंटे के काम के लिए मान्यताओं को बनाए रखना, स्थिति परिवर्तनों का पता लगाना और यह सुनिश्चित करना आवश्यक है कि शुरुआती त्रुटि बढ़ने से पहले उसकी भरपाई हो जाए। घनी स्कोरिंग मध्यवर्ती मील के पत्थर की पहचान कर सकती है जो अंतिम सफलता का पूर्वानुमान लगाते हैं और आंशिक रूप से उपयोगी मार्गों की तुलना करते हैं। उत्पादन में, एक एजेंट जो लगातार पुनर्प्राप्त करने योग्य निकट-पूर्ण स्थिति में पहुंचता है, उससे अधिक मूल्य प्रदान कर सकता है जो कभी-कभी समाप्त होता है लेकिन अक्सर अंत के पास प्रगति को नष्ट कर देता है।

[NOVA]: ...

[NOVA]: सेमांटिक पैरेटो-डीक्यूएन धोखाधड़ी के संकुचन को लक्षित करता है, जहां गंभीर वर्ग असंतुलन एक डिटेक्टर को लगभग हर लेनदेन को वैध के रूप में लेबल करने के लिए प्रेरित करता है। क्लॉडियो ल्यूसियो दो वल लोप्स और लुका माचाडो दा सिल्वा एकल स्केलर उद्देश्य को वित्तीय दक्षता, परिचालन घर्षण और सेमांटिक खोज को फैलाते हुए एक इनाम वेक्टर से बदल देते हैं। एजेंट दृश्यमान ट्रेड-ऑफ को नेविगेट कर सकता है उन्हें एक निश्चित भारित स्कोर के अंदर छिपाने के बजाय।

[ALLOY]: लेनदेन विशेषताएं प्राकृतिक-भाषा कथाओं में बदल जाती हैं जिन्हें एक भाषा मॉडल एन्कोड करता है। वे प्रतिनिधित्व समय, व्यवहार और लेनदेन संदर्भ के बीच संबंधों को कैप्चर करते हैं जिन्हें कच्चे कॉलम खराब तरीके से व्यक्त कर सकते हैं। एक पैरेटो-उन्मुख गहन क्यू-नेटवर्क तब नीतियों की खोज करता है जो ओवरसैम्पलिंग या अंडरसैम्पलिंग के बिना छूटी हुई धोखाधड़ी को झूठी-सकारात्मक बोझ के खिलाफ संतुलित करती हैं। प्रशिक्षण वास्तविक लेनदेन स्ट्रीम के करीब रहता है न कि सुविधाजनक वर्ग वितरण का निर्माण करता है।

[NOVA]: ई-कॉमर्स और क्रेडिट-कार्ड डेटा पर परीक्षण दर्शाते हैं कि यह दृष्टिकोण शून्य-रीकॉल जाल से बचता है जबकि परिचालन घर्षण सीमित रहता है। उच्च समग्र सटीकता अन्यथा एक डिटेक्टर को छिपा सकती है जो लगभग सभी धोखाधड़ी की अनदेखी करती है। सब कुछ फ्लैग करना भी व्यवहार्य नहीं है, क्योंकि विश्लेषक कतारें और ग्राहक व्यवधान जल्दी से अप्रवंधनीय हो जाते हैं। पैरेटो ऑप्टिमाइजेशन कई व्यावहारिक परिचालन बिंदुओं को उजागर करता है न कि एक सीमा को सार्वभौमिक रूप से सही प्रस्तुत करता है।

[ALLOY]: भुगतान टीमें विभिन्न बाजारों, हानि स्तरों या समीक्षा क्षमता के लिए विभिन्न बिंदु कॉन्फ़िगर कर सकती हैं। उच्च-जोखिम वाले समय में रीकॉल को प्राथमिकता दी जा सकती है, जबकि कम-जोखिम प्रवाह ग्राहक अनुभव को प्राथमिकता दे सकता है। सेमांटिक एन्कोडिंग सेवा लागत पेश करती है और लेनदेन व्यवहार के बदलने के साथ बह सकती है, इसलिए विलंबता और स्थिरता को स्वतंत्र माप की आवश्यकता है। उन बाधाओं के साथ भी, विधि प्रतिस्पर्धी व्यावसायिक परिणामों के आसपास धोखाधड़ी नीतियां बनाने का एक उपयोगी तरीका प्रदान करती है जबकि मूल वर्ग असंतुलन को संरक्षित करती है।

[NOVA]: ...

[NOVA]: 4DR360 रडार-कैमरा ऑब्जेक्ट डिटेक्शन और सेमांटिक ऑक्यूपेंसी को एक साझा दृश्य स्थिति के माध्यम से जोड़ता है। जियाओकाई बाई, लियानकिंग झेंग, रुनवेई गुआन और सहयोगी अलग-थलग डिकोडर से बचते हैं जो समान सेंसर सुविधाओं के लिए प्रतिस्पर्धा करते हैं। डिटेक्शन और ऑक्यूपेंसी एक सामान्य प्रतिनिधित्व को अपडेट करते हैं, प्रत्येक कार्य को दूसरे द्वारा उपभोग की जाने वाली स्थिति में सुधार करने की अनुमति देते हैं। एक प्लानर तब पर्यावरण के एक विकसित दृश्य का उपयोग कर सकता है।

[ALLOY]: स्टेट-गाइडेड बर्ड्स-आई-व्यू एन्हांसमेंट ऑक्यूपेंसी जानकारी को डिटेक्शन फीचर्स में वापस भोजन देता है। डॉपलर-गाइडेड टेम्पोरल फ्यूजन चार-आयामी मिलीमीटर-वेव रडार से वेग संकेतों का उपयोग करके समय के साथ दृश्य स्थिति को बनाए रखता है। रडार अंधेरे, चमक, बारिश या आंशिक अवरोधन में दूरी और गति जानकारी प्रदान करता है, जबकि कैमरेे वह विज़ुअल विवरण प्रदान करते हैं जिसे रडार हल नहीं कर सकता। फ्यूजन एक कॉन्केटिनेशन चरण के बजाय बार-बार स्थिति परिशोधन बन जाता है।

[NOVA]: लेखक उपग्रह मानचित्रों से प्राप्त ऑक्यूपेंसी पर्यवेक्षण जोड़ते हैं, जहां घने त्रि-आयामी लेबल महंगे हैं, प्रशिक्षण कवरेज का विस्तार करते हैं। रिपोर्ट किए गए परिणाम डिटेक्शन और ऑक्यूपेंसी में संयुक्त लाभ दर्शाते हैं, यह सुझाव देते हुए कि साझा स्थिति डुप्लिकेटेड गणना को कम करने से अधिक करती है। एक उद्देश्य से साक्ष्य दूसरे द्वारा उपयोग किए जाने वाले प्रतिनिधित्व को सही कर सकता है।

[ALLOY]: एकीकृत स्थिति autonomous perception को आसान बना सकती है - अलग-अलग decoding paths कम करके और planning को एक temporal world representation देकर। Map-derived supervision construction या streets बदलने पर stale हो सकती है, और weak radar calibration गलत motion cues को आगे carry कर सकती है। इन constraints को careful deployment handling की जरूरत है। फिर भी, 4DR360 एक concrete integration pattern देता है: wire detection, occupancy, और sensor history एक continuously updated scene state के आसपास - disconnected outputs को inference के बाद reconcile करने के बजाय।

[NOVA]: ...

[NOVA]: Agora conventional multi-model router की जगह individual reasoning steps पर auction रखता है। Kaiji Zhou, Ales Leonardis, और Yue Feng ने candidate models को rectified competence के हिसाब से bid करने दिया। Allocation current step के लिए estimated ability पर निर्भर करती है, पूरे request से attached एक label पर नहीं। इसलिए एक session planning, calculation, tool selection, और verification के बीच models switch कर सकता है।

[ALLOY]: Traditional routers often beginning में एक model चुनते हैं या fixed cascade से escalate करते हैं। Agora routine work के लिए inexpensive specialists रख सकता है और difficult step को stronger bidder को award कर सकता है without transferring पूरा task। एक auction parameter cost-quality balance control करता है। Rectified competence उस model के advantage को भी reduce करता है जो systematically overstating confidence करता है।

[NOVA]: Authors ने five benchmarks में routing और cascade baselines पर improvements report की हैं। एक model जो retrieval planning पर अच्छा perform करता है, mathematical verification के लिए auction lose कर सकता है, जबकि दूसरा सिर्फ वे steps जीतता है जो उसके measured skill से match करते हैं। यह broad request classification से अलग है, जहाँ एक early routing choice complete session को govern करती है even as reasoning demands change होते हैं।

[ALLOY]: Heterogeneous stacks local और hosted models के साथ different prices, latencies, और strengths पर tool decisions या verification calls auction कर सकते हैं। Design overhead add करता है क्योंकि system को competence estimate, step allocate, और winner के लिए enough context transfer करना होता है। Savings disappear हो जाती हैं अगर bidding costs reasoning से ज्यादा हो जाए। Agora सबसे useful तब बनता है जब competence estimates observed results से update हों, context transfer compact रहे, और auction latency low रहे।

[NOVA]: ...

[NOVA]: चार vision-language models और five counting datasets में research देखता है कि कई wrong counts तब भी होते हैं जब correct quantity internally represent हो। Intermediate activations पर trained probes upcoming errors predict करते थे और often right number recover करते थे। Perception ने useful information encode की थी, लेकिन generation path ने उस representation से misaligned answer select किया।

[ALLOY]: Researchers ने singular-vector canonical correlation analysis use किया correct-count probe से associated direction को answer emit करने वाली direction से compare करने के लिए। फिर उन्होंने activations को probe direction की तरफ steer किया। Counting accuracy improve हुई, जो causal relationship support करती है probe के बजाय जो सिर्फ successful examples से correlate करती थी। Intervention visual encoder को replace किए बिना readout बदलता है।

[NOVA]: Detector-guided self-correction loop analysis को inference workflow में बदलता है। Detector estimate करता है कि count likely wrong है या नहीं, और uncertain outputs को एक और reasoning pass मिलती है। कोई parameter update नहीं चाहिए, और paper कुछ settings में fifteen percentage points से ज्यादा gains report करता है। एक vision agent वह gate apply कर सकता है count को inventory payload या robotic action में डालने से पहले।

[ALLOY]: ये निष्कर्ष यह नहीं सुझाते कि हर विज़ुअल एरर एक रीडआउट प्रॉब्लम है; कुछ सीन वास्तव में एक रिकवरेबल इंटरनल रिप्रेज़ेंटेशन प्रोड्यूस करने में फेल हो जाते हैं। वे यह ज़रूर दिखाते हैं कि फाइनल एक्यूरेसी यह नहीं बता सकती कि मॉडल पहले से क्या जानता है। समान प्रोब्स स्पेशियल रिलेशंस, एट्रिब्यूट बाइंडिंग, और स्ट्रक्चर्ड एक्सट्रैक्शन में मदद कर सकते हैं जब यूज़फुल इन्फॉर्मेशन इंटरनली मौजूद होती है लेकिन पॉरली डिकोड होती है। क्रॉस-डोमेन ट्रांसफर मुश्किल बना हुआ है, क्योंकि एक नैरो प्रोब दूसरा स्पेशलाइज़्ड कंपोनेंट बन सकता है जिसे कैलिब्रेशन की ज़रूरत होती है।

[NOVA]: ...

[NOVA]: vLLM .25 मॉडल रनर V2 को dense मॉडल्स के लिए डिफ़ॉल्ट एक्ज़ीक्यूशन पाथ बनाता है। यह रिलीज़ नए रनर के आसपास स्टैंडर्ड dense-मॉडल सर्विंग को कंसोलिडेट करती है और इसके quantized एक्ज़ीक्यूशन सपोर्ट को बढ़ाती है। मॉडल कम्पैटिबिलिटी, सर्विंग बिहेवियर, और परफॉर्मेंस में दो सौ से अधिक कंट्रीब्यूटर्स से पांच सौ से अधिक कमिट्स आए हैं। कॉमन dense आर्किटेक्चर अब एक प्राइमरी रनर का उपयोग करते हैं, पुराने और नए पाथ्स के लिए अलग कॉन्फ़िगरेशन की ज़रूरत नहीं है।

[ALLOY]: एक रियलटाइम एम्बेडिंग एंडपॉइंट जेनरेशन के बगल में लो-लेटेंसी रिप्रेज़ेंटेशन वर्कलोड्स जोड़ता है। एजेंट जो लगातार कॉन्टेक्स्ट रिट्रीव करते हैं, इनकमिंग इवेंट्स क्लासिफाई करते हैं, या लाइव सेशन के दौरान सेमांटिक इंडेक्सेस अपडेट करते हैं, वे same vLLM सर्विस के through एम्बेडिंग्स का अनुरोध कर सकते हैं। यह अपने खुद के ट्रांसपोर्ट, ऑथेंटिकेशन, बैचिंग, और कैपेसिटी प्लान वाले अलग एम्बेडिंग डिप्लॉयमेंट की जगह ले सकता है, वर्कलोड-स्पेसिफिक शेड्यूलिंग बनाए रखते हुए।

[NOVA]: प्रीफिक्स कैशिंग अब Mamba हाइब्रिड मॉडल्स तक पहुंचती है, जिससे स्टेट-स्पेस और ट्रांसफॉर्मर कंपोनेंट्स को कंबाइन करने वाले आर्किटेक्चर में दोहराए गए कॉन्टेक्स्ट पिछले कंप्यूटेशन का पुनः उपयोग कर सकते हैं। लॉन्ग सिस्टम प्रॉम्प्ट्स, शेयर्ड टूल स्कीमास, और बार-बार आने वाला रिट्रीवल कॉन्टेक्स्ट सबसे ज़्यादा फायदा उठाते हैं। एम्बेडिंग सर्विस कंसोलिडेशन, प्रीफिक्स रीयूज़, और ब्रॉडर रनर सपोर्ट मिलकर एजेंट वर्कलोड्स में बार-बार आने वाली सर्विंग कॉस्ट्स को टारगेट करते हैं।

[ALLOY]: मॉडल रनर V2 खासकर dense आर्किटेक्चर के लिए स्टैंडर्ड बनता है; अन्य फैमिलीज़ अलग पाथ्स रख सकती हैं। कस्टम केर्नल्स, अनकॉमन क्वांटाइज़ेशन फॉर्मेट्स, और हाइब्रिड डिज़ाइन अभी भी कम्पैटिबिलिटी डिफ़रेंसेस एक्सपोज़ कर सकते हैं। यह रिलीज़ एक्सटेंशन ऑथर्स को एक प्राइमरी dense-मॉडल इंटीग्रेशन सरफेस देती है और ऑपरेटर्स को मिक्स्ड जेनरेशन और एम्बेडिंग ट्रैफिक के लिए एक सिम्पलर रूट देती है। पॉपुलर GPUs पर इंडिपेंडेंट मेज़रमेंट्स दिखाएंगे कि कंसोलिडेशन रियल कंकरेंट वर्कलोड्स के तहत थ्रूपुट और लेटेंसी को कितना बेहतर बनाता है।

[NOVA]: ...

[NOVA]: Shravan Murlidaran और Miguel P. Eckstein ने Complex Social Behavior डेटासेट पर लगभग आठ सालों में फैले नौ विज़न-लैंग्वेज सिस्टम्स की तुलना की। पुराने मॉडल्स जब सीन्स सिंपल ऑब्जेक्ट्स से जटिल ह्यूमन इंटरैक्शन में बदले तो उन्होंने भारी एक्यूरेसी गंवाई। हाल के मल्टीमॉडल लैंग्वेज मॉडल्स ने स्ट्रॉन्गेस्ट ह्यूमन रेफरेंस के करीब पहुंचते हुए डिस्क्रिप्शन्स जेनरेट किए, जो पिछली जेनरेशन्स में बनी रही गैप को कम किया।

[ALLOY]: स्टडी का एरर टैक्सोनॉमी ऑब्जेक्ट डिटेक्शन, रिकग्निशन, और जनरल सीन-अंडरस्टैंडिंग मिस्टेक्स में तेज़ कमी दिखाता है। करंट मॉडल्स कम इम्पॉर्टेंट पार्टिसिपेंट्स और रिलेशंसिप्स छोड़ते हैं। कम्प्लेक्स बिहेवियर अब सिंपल-सीन परफॉर्मेंस से वही ड्रॉप क्रिएट नहीं करता, वर्कफ़्लोज़ को बढ़ाते हुए जो हर इंटरैक्शन के लिए अलग क्लासिफायर की जगह जनरल मल्टीमॉडल मॉडल से शुरू हो सकते हैं।

[NOVA]: स्पेशियल डिपेंडेंस ह्यूमन परसेप्शन से अभी भी अलग है। मॉडल्स एक्यूरेट डिस्क्रिप्शन जेनरेट कर सकते हैं जबकि वे उन इमेज रीज़न्स पर निर्भर करते हैं जो लोगों द्वारा उपयोग किए जाने वालों से मेल नहीं खाते। इसलिए एक छोटा सीन अल्टरेशन मॉडल को परेशान कर सकता है भले ही एक इंसान उस बदले हुए रीज़न को बेमतलब माने। करेक्ट लैंग्वेज स्टेबल या ह्यूमन-लाइक विज़ुअल बेसिस की गारंटी नहीं देती।

[ALLOY]: विज़न एजेंट उन दृश्यों से उच्च-स्तरीय स्थितिजन्य अर्थ निकाल सकते हैं जिन्हें एक बार व्यापक मचान की ज़रूरत होती थी, लेकिन महत्वपूर्ण परिनियोजन के लिए अभी भी नियंत्रित व्यवधान और डोमेन सत्यापन की ज़रूरत है। अटेंशन-रिज़न विश्लेषण से पता चल सकता है कि कोई जवाब स्थिर साक्ष्य से आया है या शॉर्टकट से। दशक-लंबे तुलना से पता चलता है कि जेनरेट किए गए विवरण मानव प्रदर्शन के साथ उससे पहले मिल सकते हैं जब तक कि अंतर्निहित विज़ुअल डिपेंडेंसी पूरी हों, इसलिए केवल जवाब स्कोरिंग अधूरा रहता है।

[NOVA]: ...

[NOVA]: ट्रेनिंग-फ्री क्लास-वाइज लॉजिट एडेप्टेशन, या TCLA, मेडिकल विज़न-लैंग्वेज मॉडल को बेहतर बनाता है जब आने वाली इमेज उनके प्रीट्रेनिंग वितरण से अलग हों। तियान्यू जियांग और ज़ीयू झोउ अनुमान के दौरान क्लास-लेवल आउटपुट बायस को ठीक करने के लिए एक छोटा सपोर्ट सेट इस्तेमाल करते हैं। यह विधि न मॉडल वेट बदलती है न आर्किटेक्चर, जिससे किसी नए फाइन-ट्यूनिंग साइकिल के बिना हर स्कैनर या क्लिनिक के लिए एडेप्टेशन लेयर एक परिनियोजित बैकबोन को रैप कर सकती है।

[ALLOY]: स्थानीय इमेजिंग वातावरण के सपोर्ट उदाहरण यह दिखाते हैं कि कैसे क्लासेस में कॉन्फिडेंस तिरछी होती है। TCLA अंतिम चयन से पहले उन लॉजिट्स को एडजस्ट करती है। यह वन-शॉट और लो-डेटा सेटिंग्स में उपयोगी है जहां पैरामीटर अपडेट ओवरफिट कर सकते हैं। बेस एनकोडर और सर्विंग पाथ अक्षुण्ण रहते हैं जबकि रैपर किसी विशेष परिनियोजन आबादी के लिए डिसीज़न सरफेस बदलता है।

[NOVA]: X-rays, MRI, और CT इमेज को कवर करने वाले नौ मेडिकल डेटासेट में, यह विधि लगातार प्रदर्शन में सुधार करती है और अक्सर उन अधिक जटिल एडेप्टेशन एप्रोच को पार कर जाती है जिन्हें ट्रेनिंग की ज़रूरत होती है। वही रैपर विभिन्न बैकबोन के आसपास बैठ सकता है, जिससे टीमें मेडिकल VLMs की तुलना कर सकती हैं जबकि एक स्थानीय सुधार परत बनाए रखती हैं।

[ALLOY]: कोई अस्पताल विभिन्न स्कैनर या इमेजिंग आबादी के लिए छोटे सपोर्ट सेट बनाए रख सकता है और सर्विंग के दौरान सुधार कॉन्फ़िगर कर सकता है। यह क्लिनिकल सत्यापन की ज़रूरत को नहीं हटाता। क्लास-वाइज एडजस्टमेंट उस विज़ुअल एविडेंस को वापस नहीं ला सकता जो एनकोडर ने कभी कैप्चर नहीं किया, और भविष्य का ड्रिफ्ट उन सपोर्ट उदाहरणों से अधिक हो सकता है जो वे दर्शाते हैं। TCLA सबसे उपयोगी पूर्वानुमानित आउटपुट बायस के लिए एक मॉड्यूलर रिस्पॉन्स के रूप में है, जिसके लिए कैलिब्रेशन, दुर्लभ स्थितियों और बदलते उपकरणों के लिए अभी भी प्रॉस्पेक्टिव मूल्यांकन की ज़रूरत है।

[NOVA]: ...

[NOVA]: DeusData का codebase-memory-mcp किसी codebase से एक निरंतर नॉलेज ग्राफ बनाता है और इसे मॉडल कॉन्टेक्स्ट प्रोटोकॉल के माध्यम से एक्सपोज़ करता है। पॉइंट-नाइन रिलीज़ 158 भाषाओं का समर्थन करती है, एक सिंगल स्टैटिक बाइनरी के रूप में शिप होती है, और सब-मिलीसेकंड ग्राफ क्वेरी रिपोर्ट करती है। हर क्रॉस-कंपोनेंट सवाल के लिए सोर्स को दोबारा स्कैन करने के बजाय, कोई एजेंट सिंबल, डिपेंडेंसी, कॉल साइट्स और इम्प्लिमेंटेशन के बीच इंडेक्स्ड संबंधों को क्वेरी करता है।

[ALLOY]: OpenClaw, Codex, टर्मिनल-आधारित AI कोडिंग एजेंट Claude Code, या Hermes MCP सर्विस का इस्तेमाल कर सकते हैं जब कोई रिफैक्टर कई पैकेज में फैला हो। टीमें ग्राफ को प्राइमरी रिट्रीवल सरफेस के रूप में वायर कर सकती हैं, फिर इम्प्लिमेंटेशन के लिए केवल संकीर्ण सोर्स कॉन्टेक्स्ट फेच कर सकती हैं। दावा किया गया 99% टोकन रिडक्शन codebase और क्वेरी से भिन्न होगा, लेकिन निरंतर संबंध लंबी कोडिंग सेशन के दौरान बार-बार इंजेशन को तेज़ी से कम कर सकते हैं।

[NOVA]: ...

[NOVA]: Prefect की FastMCP एक Python फ्रेमवर्क है MCP सर्वर और क्लाइंट बनाने के लिए, बिना हर प्रोटोकल सतह को manually implement किए। इसका three-point-four लाइन tool declarations, transports, schemas और authentication को Python-ओरिएंटेड APIs में wrap करता है। एक internal service बाकी MCP integrations की तरह same tool envelope में participate कर सकती है बिना हर agent host के लिए अलग adapter बनाए।

[ALLOY]: एक टीम FastMCP को telemetry, deployment controls या internal REST API के आगे रख सकती है, फिर multiple agents को एक shared contract use करने दे सकती है। यह उन Python-भारी stacks के लिए उपयुक्त है जो tool logic पर direct control चाहते हैं जबकि protocol transport और schema exposure को maintained फ्रेमवर्क पर delegate करते हैं। एक authenticated सर्वर Codex, Hermes और दूसरे MCP-capable sessions को same integration के through support कर सकता है।

[NOVA]: ...

[NOVA]: Microsoft's mcp-for-beginners Model Context Protocol सिखाता है .NET, Java, TypeScript, JavaScript, Rust और Python examples के through। Labs में servers, clients, message envelopes, modular tools और security cover होते हैं। Mixed-language teams को shared protocol reference मिलता है बिना यह माने कि हर integration Python में हो।

[ALLOY]: Rust client, .NET service और TypeScript host बनाने वाले engineers equivalent flows compare कर सकते हैं जबकि native conventions maintain रखते हैं। यह tool schemas, authentication और session behavior align करने में मदद करता है before internal capabilities production agents तक पहुंचती हैं। यह प्रोजेक्ट especially useful वहां है जहां Python model experimentation करता है लेकिन Java, Rust या .NET उन APIs और services को own करते हैं जिन्हें agents ultimately invoke करते हैं।

[NOVA]: ...

[NOVA]: Context limits, token pricing, tool calling, provider availability और response latency वो concrete surfaces बने हुए हैं जो तय करते हैं कि hosted model existing deployment को replace कर सकता है या नहीं बिना surrounding agent contract में changes force किए।

[NOVA]: ...

[ALLOY]: Ollama .31 point two older NVIDIA GPUs पर compute capability six.x के साथ flash attention enable करता है और integrated GPUs को available memory के हिसाब से padded vision models offload करने देता है। यह GGUF model creation को भी harden करता है, thinking disabled होने पर thinking models के लिए structured output repair करता है, और model locations से loading fix करता है जिनमें non-UTF-eight characters होते हैं।

[NOVA]: Ollama launch अब terminal-based AI coding agent Claude Code start होने पर by default telemetry disable करता है। LLaVA जैसे padded vision models को older hardware पर more practical route मिलती है: flash attention execution overhead reduce करता है, जबकि iGPU offload shared memory use करके model fit करता है। यह release broader hardware coverage, cleaner structured responses और quieter local Claude Code launch path combine करता है।

[NOVA]: ...

[ALLOY]: TSAI-MetaFraud वर्चुअल इकोनॉमी में फ्रॉड के लिए एक मल्टीमॉडल, मल्टी-टास्क ग्राफ बेंचमार्क पेश करता है। यह बिहेवियरल इवेंट्स, ट्रांजैक्शन्स और ग्राफ रिलेशनशिप को जोड़ता है, फिर ट्रांजैक्शन फ्रॉड, क्रॉस-मॉडल नोड क्लासिफिकेशन, टेम्पोरल लिंक प्रेडिक्शन और वीकली सुपरवाइज्ड डिटेक्शन का आकलन करता है। ग्राफ-न्यूरल-नेटवर्क बेसलाइन्स टीमों को उन सिस्टम्स की तुलना करने देती हैं जो अकाउंट बिहेवियर और सोशल स्ट्रक्चर के साथ संदिग्ध पेमेंट्स को जोड़ते हैं, न कि हर ट्रांजैक्शन को अकेले स्कोर करते हैं।

[NOVA]: ...

[NOVA]: Failure as a Process Terminal-Bench पर OpenHands, MiniSWE और Terminus2 से एक हज़ार सात सौ चौरानबे मैन्युअली एनोटेट ट्रैजेक्टरीज़ का विश्लेषण करता है। यह फेलियर को ओनसेट, इवोल्यूशन और रिकवरी में बांटता है। चौदह फाइंडिंग्स दिखाती हैं कि कई एपिस्टेमिक एरर्स पहले कुछ स्टेप्स में ही शुरू हो जाते हैं, जबकि देर से सामने आने वाली फेलियर्स अक्सर अनरिकवरेबल होती हैं। फ्रेमवर्क एक शुरुआती फॉल्स असम्पशन को बाद के एक्शन्स से अलग करने में मदद करता है जिन्हें वह कंटैमिनेट करता है।

[NOVA]: ...

[ALLOY]: Beyond Fixed Representations एक वोकैबुलरी गैप का वर्णन करता है, जहां एक सिस्टम को एक नया रिप्रेजेंटेशनल प्रिमिटिव इन्वेंट और स्टेबलाइज करना होता है, और एक वेरिफायर गैप, जहां उस प्रिमिटिव की वैल्यू बाद में रीयूज के बाद ही दिखती है। कोडिंग, थ्योरम प्रूविंग और लॉन्ग-होराइज़न रिसर्च सभी इस टेंशन का सामना करते हैं। एमर्जिंग एब्स्ट्रक्शन्स के लिए ड्यूरेबल मेमोरी और डिलेड इवैल्यूएशन उतना ही मायने रख सकते हैं जितना कि तुरंत अगले-स्टेप जनरेशन में सुधार।

[NOVA]: ...

[NOVA]: Codex Guardian के पहले के रिव्यू बिहेवियर को रिस्टोर करता है, जबकि Apple का केस मॉडल और प्रोडक्ट गवर्नेंस के आलावा हायरिंग प्रोवेनेंस और ट्रेड-सीक्रेट कंट्रोल्स को अलग रखता है।

[ALLOY]: QANTA, Agora और Long-Horizon-Terminal-Bench एजेंट्स को ऑब्जेक्टिव के हिसाब से स्पेशलाइज करते हैं, कम्पीटेंस के हिसाब से स्टेप्स अलोकेट करते हैं और सस्टेन्ड प्रोग्रेस को मेज़र करते हैं।

[NOVA]: PAC-ACT, SAGEAgent, Semantic Pareto-DQN और TCLA कंस्ट्रेंड पोस्ट-ट्रेनिंग, सेलेक्टिव एविडेंस एक्विजिशन, मल्टी-ऑब्जेक्टिव कंट्रोल और इन्फरेंस-टाइम करेक्शन के ज़रिए डिप्लॉय्ड सिस्टम्स को अडैप्ट करते हैं।

[ALLOY]: Freya-TTS, 4DR360, vLLM, Ollama, और MCP प्रोजेक्ट्स स्थानीय स्पीच, शेयर्ड सीन स्टेट, मॉडल सर्विंग, हार्डवेयर कवरेज, और पुन: प्रयोज्य टूल इंटीग्रेशन का विस्तार करते हैं।

[NOVA]: ...

[NOVA]: रिसर्च पेपर्स, रिलीज़ेस, रिपॉज़िटरीज़, और सपोर्टिंग डीटेल्स के लिए, Toby On Fitness Tech dot com पर शो नोट्स देखें।

[ALLOY]: AgentStack Daily सुनने के लिए धन्यवाद। हम जल्द ही वापस आएंगे।