23941 पेपर
यह समीक्षा लेख हाइब्रिड फिजिक्स-इन्फॉर्म्ड मशीन लर्निंग (PIML) आर्किटेक्चर, जैसे कि PINNs और DeepONets का परीक्षण करता है, जो अगली पीढ़ी के बिजली प्रणालियों के डिजाइन, निगरानी और नियंत्रण में सटीकता, दक्षता और व्याख्यात्मकता को बढ़ाने के लिए भौतिक नियमों को डेटा-संचालित मॉडलों के साथ एकीकृत करने की उनकी श्रेष्ठ क्षमता को प्रदर्शित करते हैं।
MAVEN एक मल्टी-स्टेज एजेंटिक पाइपलाइन है जो पदानुक्रमित परिशोधन (hierarchical refinement) और डोमेन अनुकूलन (domain adaptation) के माध्यम से चेन-ऑफ-थॉट ट्रेसेस के साथ उच्च-गुणवत्ता वाला, संरचित वीडियो रीजनिंग डेटा स्वचालित रूप से उत्पन्न करता है, जो जटिल इवेंट रीजनिंग बेंचमार्क पर फाइन-ट्यून किए गए विजन लैंग्वेज मॉडल्स के प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है।
CausalGuard एक नवीन कॉन्फॉर्मल इन्फरेंस फ्रेमवर्क है जो डेटा-सपोर्टेड कैंडिडेट DAG सेट द्वारा भारित ग्राफ-कंडीशनल डबली रोबस्ट स्यूडो-आउटकम्स को एकत्रित करके कॉज़ल ग्राफ अनिश्चितता को संबोधित करता है, जिससे डिस्ट्रीब्यूशन-फ्री फाइनाइट-सैंपल कवरेज और ग्राफ-एग्नोस्टिक बेसलाइन्स की तुलना में बेहतर दक्षता प्राप्त होती है।
यह शोध पत्र प्रकट करता है कि मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स अपने प्रीफिल अटेंशन (prefill attention) में अंतर्निहित टेम्पोरल ग्राउंडिंग क्षमताओं को रखते हैं लेकिन जनरेशन के दौरान उनका उपयोग करने में विफल रहते हैं, जो एक ट्रेनिंग-मुक्त इन्फरेंस फ्रेमवर्क को प्रेरित करता है जो विजुअल कॉन्टेक्स्ट को प्रतिबंधित करने के लिए इन अटेंशन संकेतों को निकालता है और वीडियो टेम्पोरल ग्राउंडिंग प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह शोध पत्र ChronoMedicalWorld (CMWM) को प्रस्तुत करता है, जो एक एक्शन-कंडीशन्ड लेटेंट वर्ल्ड मॉडल है जो क्रोनिक रोगों के लिए दीर्घकालिक रोगी प्रक्षेपवक्रों (trajectories) का सटीक पूर्वानुमान लगाने के लिए संरचित हस्तक्षेपों और फ्री-टेक्स्ट संचार को एकीकृत करता है, और क्रोनिक किडनी रोग के रोगियों के लिए eGFR विकास की भविष्यवाणी करने में GPT-5.5 बेसलाइन की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र VINA का प्रस्ताव करता है, जो एक एकीकृत AI-जनित सामग्री पहचान ढांचा (framework) है जो वीडियो फ्रेमों को प्राकृतिक संवर्द्धन (augmentations) के रूप में उपयोग करता है और इमेज एवं वीडियो डिटेक्टरों के बीच प्रदर्शन के अंतर को पाटने के लिए एक क्रॉस-मोडल कंट्रास्टिव ऑब्जेक्टिव का उपयोग करता है, जिससे विविध बेंचमार्क पर अत्याधुनिक मजबूती और सामान्यीकरण प्राप्त होता है।
यह शोध पत्र लार्ज विजन-लैंग्वेज मॉडल्स में "एडेप्ट-अग्रेगेट-एग्जीक्यूट" (अनुकूलन-एकत्रीकरण-निष्पादन) भावनात्मक सर्किटों को उजागर करने और उन्हें उन्नत करने के लिए एक स्टीयरिंग-वेक्टर-आधारित कारण संबंधी एट्रिब्यूशन ढांचे को प्रस्तुत करता है, जो दृश्य संकेतों के एकत्रीकरण और नैरेटिव जनरेशन के बीच एक कार्यात्मक डिकपलिंग (विखंडन) को प्रकट करता है जो लक्षित इन्फरेंस-टाइम हस्तक्षेपों को सक्षम बनाता है ताकि भावनात्मक तर्क में उल्लेखनीय सुधार किया जा सके और मतिभ्रम (hallucinations) को कम किया जा सके।
यह शोध पत्र काउंटरफैक्चुअल रिलेशनल पॉलिसी ऑप्टिमाइजेशन (CRPO) को प्रस्तुत करता है, जो एक दोहरी-शाखा वाला सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो वीडियो LLMs को वास्तविक स्थानिक-कालिक संवेदनशीलता विकसित करने के लिए काउंटरफैक्चुअल वीडियो रूपांतरणों और संबंध-आधारित पुरस्कार का लाभ उठाता है, जिससे वे स्थिर शॉर्टकट्स पर निर्भर होने से बच सकें।
यह शोध पत्र Ex-GraphRAG का परिचय देता है, जो एक व्याख्यात्मक (interpretable) GraphRAG फ्रेमवर्क है जो अपारदर्शी (opaque) GNN एनकोडर्स को एक मल्टीवेरिएट ग्राफ न्यूरल एडिटिव नेटवर्क (M-GNAN) से बदल देता है ताकि नोड योगदान का सटीक एट्रिब्यूशन (attribution) प्रदान किया जा सके, जिससे एक महत्वपूर्ण सिमेंटिक-स्ट्रक्चरल बेमेल (mismatch) का खुलासा होता है जहाँ संरचनात्मक रूप से विच्छेदित (disconnected) नोड्स मॉडल के आउटपुट पर हावी हो जाते हैं, जबकि वे कम-एट्रिब्यूशन वाले मध्यस्थों (intermediaries) द्वारा जुड़े होते हैं।
यह शोध पत्र पैचेस-टू-ट्रैजेक्टरीज (P2T) को प्रस्तुत करता है, जो एक ऐसी विधि है जो सॉफ्टवेयर-इंजीनियरिंग एजेंटों के लिए इष्टतम समाधान मील के पत्थरों (milestones) को आसवित (distill) करने और उच्च-गुणवत्ता वाले, कुशल प्रशिक्षण प्रक्षेपवक्र (trajectories) तैयार करने के लिए संदर्भ पैचेस को विशेषाधिकार प्राप्त जानकारी (privileged information) के रूप में उपयोग करती है, जिससे मानक सुपरवाइज्ड फाइन-ट्यूनिंग की तुलना में तर्क प्रभावशीलता और अनुमान दक्षता में महत्वपूर्ण सुधार होता है।