20089 पेपर
MSRNet एक नवीन मल्टी-स्केल रिकर्सिव नेटवर्क है जो जटिल परिदृश्यों में छोटे और कई छलावरण वाले (camouflaged) ऑब्जेक्ट्स का पता लगाने में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए पिरामिड विजन ट्रांसफॉर्मर बैकबोन, विशिष्ट अटेंशन-आधारित इंटीग्रेशन यूनिट्स और एक रिकर्सिव-फीडबैक डिकोडिंग रणनीति का लाभ उठाता है।
यह शोध पत्र LLM इन्फरेंस (inference) के लिए पांच आवर्ती समस्याग्रस्त कोडिंग अभ्यासों को औपचारिक रूप देकर 'LLM कोड स्मेल्स' (code smells) की अवधारणा प्रस्तुत करता है, उन्हें पहचानने के लिए SpecDetect4AI टूल का विस्तार करता है, और 200 ओपन-सोर्स सिस्टम के अध्ययन के माध्यम से यह प्रदर्शित करता है कि ये स्मेल्स उच्च पहचान सटीकता के साथ ऐसे 60% से अधिक सिस्टम को प्रभावित करते हैं।
यह शोध पत्र SwinIFS को प्रस्तुत करता है, जो एक लैंडमार्क-गाइडेड स्विन ट्रांसफॉर्मर फ्रेमवर्क है जो अत्यधिक अपस्केलिंग कारकों के तहत भी श्रेष्ठ पहचान-संरक्षण वाले फेस सुपर-रिज़ॉल्यूशन को प्राप्त करने के लिए चेहरे के लैंडमार्क्स के डेंस गौसियन हीटमैप्स को पदानुक्रमित अटेंशन मैकेनिज्म के साथ एकीकृत करता है।
यह शोध पत्र HIMVH का प्रस्ताव करता है, जो एक हिप्पोकैम्पस-प्रेरित मल्टी-व्यू हाइपरग्राफ लर्निंग मॉडल है जो लॉन्ग-टेल्ड वेब डेटासेट्स में छद्म और दुर्लभ वित्तीय धोखाधड़ी का प्रभावी ढंग से पता लगाने के लिए क्रॉस-व्यू इनकंसिस्टेंसी परसेप्शन और नॉवेल्टी-अवेयर मैकेनिज्म का लाभ उठाता है, जो कई मेट्रिक्स में अत्याधुनिक तरीकों से बेहतर प्रदर्शन करता है।
GenDA एक जनरेटिव डेटा एसिमिलेशन फ्रेमवर्क है जो विरल सेंसर डेटा से उच्च-रिज़ॉल्यूशन वाले शहरी पवन क्षेत्रों (urban wind fields) को पुनर्गठित करने के लिए मल्टीस्केल ग्राफ आर्किटेक्चर पर क्लासिफायर-फ्री डिफ्यूजन गाइडेंस का लाभ उठाता है, जो मौजूदा विधियों की तुलना में जटिल ज्यामिति और अवलोकन प्रकारों में बेहतर सटीकता और सामान्यीकरण प्राप्त करता है।
यह शोध पत्र "रिप्रजेंटेशन-एज़-अ-जज" (Representation-as-a-Judge) का प्रस्ताव करता है, जो एक प्रतिमान परिवर्तन है जहाँ छोटे भाषा मॉडल आउटपुट का कुशलतापूर्वक और सटीक रूप से मूल्यांकन करने के लिए सतही पीढ़ी (surface generation) के बजाय आंतरिक छिपी हुई अवस्थाओं (internal hidden states) का लाभ उठाते हैं, जो इस परिकल्पना पर आधारित है कि मूल्यांकन के लिए पीढ़ी की तुलना में काफी कम अर्थ संबंधी क्षमता (semantic capacity) की आवश्यकता होती है।
यह शोध पत्र एक ऑर्थोगोनैलिटी रेगुलराइजेशन (orthogonality regularization) विधि का प्रस्ताव और सत्यापन करता है जो भाषा मॉडल के फीचर्स को लगभग ऑर्थोगोनल होने के लिए बाध्य करती है, जिससे फीचर एंटैंगलमेंट (feature entanglement) कम होता है और मॉडल के प्रदर्शन से समझौता किए बिना अधिक विश्वसनीय, पृथक कारण संबंधी हस्तक्षेप (causal interventions) सक्षम होते हैं।
यह शोध पत्र Self-EvolveRec का प्रस्ताव करता है, जो एक यूज़र सिम्युलेटर (User Simulator) और मॉडल डायग्नोसिस टूल (Model Diagnosis Tool) को एकीकृत करके एक स्व-विकसित (self-evolving), दिशात्मक फीडबैक लूप बनाता है जो मूल्यांकन मानदंडों को गतिशील रूप से अनुकूलित करता है और मौजूदा NAS एवं LLM-संचालित बेसलाइनों से काफी बेहतर प्रदर्शन करता है, जिससे पारंपरिक अनुशंसा प्रणाली (recommender system) डिज़ाइन की निश्चित खोज स्थानों (fixed search spaces) और स्केलर मेट्रिक्स (scalar metrics) की सीमाओं को दूर किया जा सके।
यह शोध पत्र एक स्टोकेस्टिक-जियोमेट्रिक सिद्धांत प्रस्तावित करता है जो ग्रोकिंग (grokking) को एडम (Adam) के पैरामीटर स्पेस के भीतर एक मेमोराइजेशन शेल (memorization shell) से जनरलाइजेशन कोर (generalization core) में अनुकूलन-प्रेरित संक्रमण (optimization-induced transition) के रूप में समझाता है, जिससे लर्निंग रेट, बैच साइज और रेगुलराइजेशन के आधार पर डिले टाइम (delay time) के लिए स्केलिंग लॉ (scaling laws) को व्युत्पन्न और मान्य किया जाता है।
यह शोध पत्र यह प्रकट करता है कि जहाँ LLMs के पास मजबूत सैद्धांतिक CBT ज्ञान है, वहीं वे रणनीतिक हस्तक्षेपों के बजाय सत्यापन और प्रतिबिंब (validation and reflection) पर डिफ़ॉल्ट होने के कारण इसे व्यवहार में प्रभावी ढंग से लागू करने में विफल रहते हैं, एक ऐसी सीमा जो 'मल्टीपल चेन-ऑफ-थॉट' जैसी उन्नत प्रॉम्प्टिंग तकनीकों के साथ भी बनी रहती है और जिसे एक नए "प्रोटोकॉल लीवरेज फोर्स" मीट्रिक द्वारा मापा गया है जो न्यूनतम व्यवहारिक बदलाव दर्शाता है।