20089 पेपर
यह शोध पत्र एक दशक के विजन-लैंग्वेज मॉडल्स का मूल्यांकन करने के लिए कॉम्प्लेक्स सोशल बिहेवियर (CSB) डेटासेट प्रस्तुत करता है, जो यह प्रकट करता है कि हालांकि मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स (MLLMs) ने अधिकांश त्रुटि प्रकारों को काफी हद तक समाप्त करके जटिल सामाजिक दृश्यों पर मानव-स्तर की सटीकता प्राप्त कर ली है, फिर भी वे स्थानिक निर्भरता (spatial dependence) में कभी-कभी मनुष्यों से भिन्न होते हैं।
यह शोध पत्र फाउंडेशन मॉडल प्रीट्रेनिंग के केवल-टेक्स्ट प्रतिमान को चुनौती देता है, यह प्रदर्शित करते हुए कि कच्चे दृश्य दस्तावेजों (raw visual documents) पर अनसुपरवाइज्ड विजुअल प्रीट्रेनिंग, जो आकृतियों और लेआउट जैसी समृद्ध जानकारी को संरक्षित करता है, लगातार केवल-टेक्स्ट दृष्टिकोणों से बेहतर प्रदर्शन करता है और उन्नत भाषा बुद्धिमत्ता के लिए एक स्केलेबल मार्ग प्रदान करता है।
यह शोध पत्र PHINN-EEG को प्रस्तुत करता है, जो एक नवीन ढांचा है जो डायनेमिक बेट्टी कर्व्स (Dynamic Betti Curves) के माध्यम से टोपोलॉजिकल टाइम-सीरीज विश्लेषण और टोपोलॉजी-कंडीशन्ड फ्लो मैचिंग का उपयोग करके स्वप्न-अवस्था (dream-state) EEG वर्गीकरण सटीकता में महत्वपूर्ण सुधार करता है और न्यूरल सिग्नल संश्लेषण को सक्षम बनाता है, जो पारंपरिक स्पेक्ट्रल ऊर्जा विधियों से फेज-स्पेस ज्योमेट्री की ओर एक प्रतिमान परिवर्तन (paradigm shift) को चिह्नित करता है।
विशेषज्ञों के साथ गुणात्मक साक्षात्कारों के माध्यम से, यह शोध पत्र निष्कर्ष निकालता है कि जबकि XAI विधियाँ AI विकास के दौरान पूर्वाग्रहों और विफलताओं की पहचान करने के लिए मूल्यवान हैं, पूर्ण प्रणाली संबंधी जानकारी प्रदान करने में व्याख्यात्मकता (explainability) की अंतर्निहित सीमाओं के कारण सुरक्षित AI के व्यापक प्रमाणन के लिए उनकी उपयोगिता सीमित रहने की उम्मीद है।
यह शोध पत्र यह तर्क देता है कि हालांकि पूर्वानुमान सहायता प्रणालियों (Forecasting Support Systems) में एल्गोरिदम की पारदर्शिता हानिकारक पूर्वानुमान समायोजनों को कम कर सकती है, लेकिन पर्याप्त प्रशिक्षण के बिना उपयोगकर्ताओं को पारदर्शी घटकों को सीधे संशोधित करने की अनुमति देने से हानिकारक परिणाम और कम संतुष्टि होती है, जो यह सुझाव देता है कि उचित मार्गदर्शन के बिना केवल पारदर्शिता अपर्याप्त है।
यह शोध पत्र MultiSim को प्रस्तुत करता है, जो स्वायत्त ड्राइविंग प्रणालियों के लिए सिम्युलेटर-अज्ञेय (simulator-agnostic) विफलता परिदृश्यों को प्राथमिकता देने और पहचानने के लिए सिम्युलेटर के एक समूह (ensemble) का लाभ उठाने वाला एक खोज-आधारित परीक्षण दृष्टिकोण है, जो एकल-सिम्युलेटर या स्वतंत्र बहु-सिम्युलेटर परीक्षण विधियों की तुलना में काफी उच्च प्रभावशीलता और दक्षता प्रदर्शित करता है।
यह शोध पत्र एक नवीन ब्लॉकचेन सर्वसम्मति तंत्र का प्रस्ताव करता है जो पूर्ण या क्रमिक सर्वसम्मति प्राप्त करने के लिए एक संरचित, बहु-चरणीय विचार-विमर्श प्रक्रिया में तर्कसंगत एजेंटों के रूप में लार्ज लैंग्वेज मॉडल्स (LLMs) का उपयोग करता है, जिससे मुख्य ब्लॉकचेन गुणों को बनाए रखते हुए और प्रतिकूल चुनौतियों का समाधान करते हुए जटिल निर्णय लेने के लिए अनुकूलन क्षमता को बढ़ाया जा सके।
यह शोध पत्र डायरेक्ट प्रेफरेंस ऑप्टिमाइजेशन (Direct Preference Optimization) के लिए एक नवीन द्वि-आयामी कठिनाई ढांचे का प्रस्ताव करता है, जो GSP-Curri-DPO पद्धति को पेश करता है जो मॉडलों को बेहतर डेटा दक्षता और सुदृढ़ता के साथ अत्याधुनिक संरेखण (alignment) प्राप्त करने के लिए प्रॉम्प्ट जटिलता और युग्मवार विशिष्टता (pairwise distinguishability) के ग्रिड में स्वायत्त रूप से नेविगेट करने में सक्षम बनाता है।
यह शोध पत्र तर्क देता है कि कारण संबंधी अमूर्तीकरण (causal abstraction) का सिद्धांत यह समझने के लिए एक सुदृढ़ ढांचा प्रदान करता है कि प्रणालियाँ निरूपणों (representations) पर गणनाओं को कैसे कार्यान्वित करती हैं, विशेष रूप से सामान्यीकरण और भविष्यवाणी के दृष्टिकोणों के माध्यम से संज्ञानात्मक क्षेत्र के शास्त्रीय दार्शनिक विषयों को समकालीन डीप लर्निंग से जोड़कर।
यह शोध पत्र MultiFair को प्रस्तुत करता है, जो एक नवीन मल्टीमॉडल मेडिकल क्लासिफिकेशन फ्रेमवर्क है जो डेटा मोडैलिटी और ग्रुप दोनों स्तरों पर प्रशिक्षण ग्रेडिएंट्स को गतिशील रूप से समायोजित करके मोडैलिटी लर्निंग असंतुलन और जनसांख्यिकीय निष्पक्षता के मुद्दों को एक साथ संबोधित करने के लिए ड्यूल-लेवल ग्रेडिएंट मॉड्यूलेशन का उपयोग करता है।