23941 पेपर
यह शोध पत्र LiDAR-आधारित बर्ड्स आई व्यू ऑब्जेक्ट डिटेक्शन के लिए एक एंड-टू-एंड स्पाइकिंग न्यूरल नेटवर्क प्रस्तावित करता है जो पारंपरिक CNN की तुलना में ऊर्जा की खपत को काफी कम करते हुए KITTI बेंचमार्क पर उच्च सटीकता प्राप्त करता है, जो स्वायत्त ड्राइविंग के लिए कुशल न्यूरोमॉर्फिक धारणा की व्यवहार्यता को प्रदर्शित करता है।
यह शोध पत्र UWM-JEPA को प्रस्तुत करता है, जो एक प्रेडिक्टिव वर्ल्ड मॉडल है जो आंशिक रूप से प्रेक्षित वातावरणों में ब्लाइंड रोलआउट्स के दौरान अनिश्चितता को बनाए रखने के लिए डेंसिटी-मैट्रिक्स लेटेंट्स और यूनिटरी प्रेडिक्टर्स का उपयोग करता है, जो काउंटरफैक्चुअल एक्शन सेंसिटिविटी और फ्यूचर इमेजिनेशन कार्यों में वेक्टर-लेटेंट बेसलाइन्स से काफी बेहतर प्रदर्शन करता है।
CausalFlow एक इंटरवेंशनल फ्रेमवर्क है जो निष्पादन ट्रेसेस (execution traces) को मॉडल करके कारण संबंधी विफलता बिंदुओं (causal failure points) की पहचान करने और तत्काल टेस्ट-टाइम रिकवरी एवं ऑफलाइन ट्रेनिंग सुपरविजन दोनों के लिए न्यूनतम काउंटरफैक्चुअल रिपेयर्स (counterfactual repairs) उत्पन्न करने के माध्यम से LLM एजेंट विफलताओं को विश्वसनीय लर्निंग सिग्नल्स में परिवर्तित करता है।
यह शोध पत्र JAX में एक समानांतर करने योग्य (parallelizable), अवकलनीय (differentiable) पहुँच क्षमता ढांचे (reachability framework) को प्रस्तुत करता है जो अनिश्चितता के तहत न्यूरल नेटवर्क डायनेमिक्स और कंट्रोलर्स के लिए प्रमाणित प्रशिक्षण और ग्रेडिएंट-आधारित योजना को सक्षम करने के लिए टेलर-मॉडल फ्लोपाइप्स (Taylor-model flowpipes) को CROWN-शैली के बाउंड प्रोपेगेशन के साथ जोड़ता है।
यह शोध पत्र प्रमाणित रूप से सुदृढ़ (certifiably robust) क्लासिफायर के लिए एक ऐसा ढांचा प्रस्तावित करता है जो प्रीट्रेन्ड लेटेंट स्पेस की अनुमानित गॉसियन मिश्रण संरचना (approximate Gaussian mixture structure) का लाभ उठाता है, यह सिद्ध करते हुए कि वितरण संबंधी सन्निकटन त्रुटियों (distributional approximation errors) के साथ मजबूती की गारंटी धीरे-धीरे कम होती है और बिना किसी सटीक वितरण संबंधी धारणाओं की आवश्यकता के CIFAR-10 और ImageNet पर अत्याधुनिक प्रमाणित सटीकता प्राप्त करता है।
KYA स्वायत्त प्रणालियों (autonomous systems) के लिए एक ओपन-सोर्स, फ्रेमवर्क-अज्ञेय (framework-agnostic) ट्रस्ट लेयर है जो एजेंट ड्रिफ्ट, लीक्स और एडवरसेरियल हमलों का पता लगाने के लिए पांच मुख्य प्रिमिटिव्स—जिसमें एक सुरक्षित फोर-गेट अप्लाई पाइपलाइन, पदानुक्रमित नीति संरचना (hierarchical policy composition), और एकीकृत ट्रस्ट स्कोरिंग शामिल है—का उपयोग करता है, जबकि सब-मिलीसेकंड लेटेंसी और उच्च थ्रूपुट को बनाए रखता है।
यह शोध पत्र MGNet का प्रस्ताव करता है, जो कि छलावरण वाले ऑब्जेक्ट डिटेक्शन (camouflaged object detection) के लिए एक नवीन कमजोर रूप से पर्यवेक्षित (weakly supervised) ढांचा है, जो उच्च गुणवत्ता वाले छद्म-लेबल (pseudo-labels) उत्पन्न करने के लिए बाउंडिंग-बॉक्स प्रॉम्प्ट के साथ सेगमेंट एनीथिंग मॉडल (SAM) का लाभ उठाता है और एनोटेशन की सीमाओं को दूर करने तथा विभाजन सटीकता में सुधार करने के लिए संदर्भ संवर्धन (context enhancement) और फीचर एकत्रीकरण मॉड्यूल के साथ एक कैस्केड मास्क डिकोडर का उपयोग करता है।
यह शोध पत्र "सेकंड गेस" (Second Guess) को पेश करता है, जो छोटे भाषा मॉडलों के लिए एक हल्का, पैरामीटर-मुक्त प्रॉम्प्टिंग तकनीक है जो "मुझे नहीं पता" विकल्प को शामिल करने पर उत्तर की स्थिरता का लाभ उठाकर अनिश्चितता का पता लगाता है और बहुविकल्पीय प्रश्नों के उत्तर देने में विश्वसनीयता में सुधार करता है।
यह शोध पत्र STRIQ प्रस्तुत करता है, जो अल्ट्रासाउंड प्लेन गुणवत्ता नियंत्रण के लिए एक एनोटेशन-मुक्त फ्रेमवर्क है, जो पदानुक्रमित फीचर पत्राचार (hierarchical feature correspondences) स्थापित करने और वेरिएंस-ड्रिवन एंकर प्रोटोटाइप्स के माध्यम से इंटर-प्लेन हस्तक्षेप को रोकने के लिए एक लेटेंट रजिस्ट्रेशन अलाइनर (Latent Registration Aligner) और एक ऑर्थोगोनल नॉलेज सबस्पेस (Orthogonal Knowledge Subspace) मॉड्यूल का लाभ उठाकर अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र LLMSurvival को प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो अनमॉडिफाइड (unmodified) लार्ज लैंग्वेज मॉडल्स को टाइम-टू-इवेंट प्रेडिक्शन को पेयरवाइज रैंकिंग टास्क के रूप में पुनर्गठित करके, टैबुलर क्लिनिकल डेटा पर एंड-टू-एंड, सेंसरिंग-अवेयर सर्वाइवल एनालिसिस करने में सक्षम बनाता है, और ICU मृत्यु दर एवं फ्रैक्चर जोखिम की भविष्यवाणी में पारंपरिक कॉक्स मॉडल्स और डीप लर्निंग बेसलाइन्स की तुलना में बेहतर प्रदर्शन प्राप्त करता है।