23941 पेपर
यह शोध पत्र MedSAE को प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो सहसंबंध मेट्रिक्स (correlation metrics), एंट्रॉपी विश्लेषण और स्वचालित न्यूरॉन नामकरण को संयोजित करने वाली एक नवीन मूल्यांकन प्रणाली के माध्यम से चिकित्सा दृष्टि संबंधी निरूपणों (medical vision representations) की व्याख्यात्मकता और मोनोसेमेंटिसिटी (monosemanticity) को बढ़ाने के लिए MedCLIP के लेटेंट स्पेस पर स्पार्स ऑटोएनकोडर्स को लागू करता है।
MuseKG एक संवादात्मक नॉलेज ग्राफ सिस्टम है जो संग्रहालय संग्रह के खंडित डेटा को एक सुसंगत, क्वेरी योग्य स्कीमा में एकीकृत करता है, जिससे वस्तुओं, व्यक्तियों और अर्थपूर्ण संस्थाओं की प्राकृतिक-भाषा अन्वेषण और संबंध-जागरूक पुनर्प्राप्ति संभव होती है जिसमें साक्ष्य का निरीक्षण किया जा सके।
यह शोध पत्र GENIUS को प्रस्तुत करता है, जो एक एजेंटिक AI फ्रेमवर्क है जो क्वांटम ESPRESSO नॉलेज ग्राफ को एक टियर्ड (tiered) LLM पदानुक्रम और फाइनाइट-स्टेट एरर रिकवरी के साथ एकीकृत करता है, ताकि DFT सिमुलेशन प्रोटोकॉल को स्वायत्त रूप से उत्पन्न करने, मान्य करने और मरम्मत करने के लिए, जिससे मानक LLM दृष्टिकोणों की तुलना में उच्च सफलता दर प्राप्त करते हुए और लागत एवं मतिभ्रम (hallucinations) को महत्वपूर्ण रूप से कम करते हुए सामग्री खोज का लोकतंत्रीकरण किया जा सके।
यह शोध पत्र यह प्रदर्शित करता है कि संसाधन-सीमित सिंगल-लेबल टेक्स्ट क्लासिफिकेशन के लिए, फाइनल-टोकन एम्बेडिंग्स पर क्लासिफिकेशन हेड के साथ कॉज़ल एलएलएम (LLMs) को फाइन-ट्यून करना, इंस्ट्रक्शन ट्यूनिंग की तुलना में काफी अधिक पैरामीटर-कुशल है और यह इंस्ट्रक्शन-ट्यून्ड एलएलएम एवं डोमेन-विशिष्ट बर्ट (BERT) मॉडल्स दोनों की तुलना में समान या बेहतर प्रदर्शन प्राप्त करता है।
यह शोध पत्र एक ग्राफ न्यूरल नेटवर्क-आधारित हाइब्रिड ट्विन फ्रेमवर्क प्रस्तावित करता है जो भौतिकी-आधारित सिमुलेशन को सुधारने के लिए एक कम-जटिलता वाले "इग्नोरेंस मॉडल" को सीखता है, जिससे घने डेटा की आवश्यकता के बिना विरल स्थानिक मापों और परिवर्तनशील ज्यामितिओं में सटीक सामान्यीकरण सक्षम होता है।
यह शोध पत्र V-VLAPS का परिचय देता है, जो एक वैल्यू-गाइडेड प्लानिंग फ्रेमवर्क है जो विजन-लैंग्वेज-एक्शन (VLA) मॉडल्स को ऑफलाइन रोलआउट्स पर प्रशिक्षित एक हल्के वैल्यू हेड के साथ संवर्धित करता है ताकि मोंटे कार्लो रिटर्न्स का पूर्वानुमान लगाया जा सके, जिससे विशेष रूप से बड़े सर्च बजट का उपयोग करते समय, उच्च-वैल्यू वाली शाखाओं की ओर ट्री सर्च को निर्देशित करके लॉन्ग-होरिज़न रोबोटिक टास्क की सफलता दर में सुधार किया जा सके।
यह शोध पत्र CS-VAR का प्रस्ताव करता है, जो एक रिट्रीवल-ऑगमेंटेड डिटेक्शन फ्रेमवर्क है जो लाइव स्ट्रीमिंग में जटिल, आवर्ती जोखिमों की पहचान करने में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए एक बड़े लैंग्वेज मॉडल का उपयोग करके क्रॉस-सेशन व्यवहार संबंधी अंतर्दृष्टि को एक हल्के, रियल-टाइम डिटेक्टर में स्थानांतरित करता है।
यह शोध पत्र इस पारंपरिक दृष्टिकोण को चुनौती देता है कि मॉडल की सटीकता मॉडल-आधारित सुदृढीकरण शिक्षण (reinforcement learning) में प्राथमिक बाधा है, और इसके बजाय यह प्रदर्शित करता है कि वैल्यू फंक्शन्स के एनसेम्बलिंग (ensembling) के माध्यम से ओवरएस्टिमेशन बायस (overestimation bias) को कम करना प्रभावी खोज को सक्षम करने और अत्याधुनिक प्रदर्शन प्राप्त करने की कुंजी है।
यह शोध पत्र GradingAttack को प्रस्तुत करता है, जो एक सूक्ष्म (fine-grained) एडवरसेरियल फ्रेमवर्क है जो यह प्रदर्शित करता है कि कैसे टोकन-स्तरीय और प्रॉम्प्ट-स्तरीय हेरफेर प्रभावी ढंग से और गुप्त रूप से LLM-आधारित शैक्षिक ग्रेडिंग एजेंटों की सुरक्षा से समझौता कर सकते हैं, जो स्वचालित मूल्यांकन प्रणालियों में मजबूत सुरक्षा उपायों की तत्काल आवश्यकता को रेखांकित करता है।
यह शोध पत्र TABX को प्रस्तुत करता है, जो एक उच्च-थ्रूपुट, JAX-आधारित सैंडबॉक्स सिम्युलेटर है जो अत्यधिक पुनर्गठनीय युद्ध परिदृश्यों के माध्यम से सहयोगात्मक मल्टी-एजेंट सुदृढीकरण लर्निंग (multi-agent reinforcement learning) में स्केलेबल, मॉड्यूलर और हार्डवेयर-त्वरित अनुसंधान को सक्षम बनाता है।