24055 पेपर
यह शोध पत्र प्रदर्शित करता है कि चेकलिस्ट-सुधारित प्रॉम्प्ट्स का उपयोग करने से कच्चे (raw) या स्पष्टीकरण-प्रश्न वाले प्रॉम्प्ट्स की तुलना में उपयोगकर्ता के प्रयास और टोकन उपयोग को कम करते हुए विविध कार्यों में लार्ज लैंग्वेज मॉडल प्रतिक्रियाओं की गुणवत्ता में महत्वपूर्ण वृद्धि होती है।
यह शोधपत्र MedFocus को प्रस्तुत करता है, जो एक अवधारणा-आधारित एट्रिब्यूशन विधि है जो चेस्ट एक्स-रे में नैदानिक रूप से सार्थक क्षेत्रों को सटीक रूप से स्थानीयकृत करने के लिए कॉज़ल इवैल्यूएशन (causal evaluation) और अनबैलेंस्ड ऑप्टिमल ट्रांसपोर्ट (unbalanced optimal transport) का लाभ उठाता है, जिससे चिकित्सा अनुप्रयोगों में लार्ज विजन लैंग्वेज मॉडल (Large Vision Language Model) के तर्क को निष्ठापूर्वक समझाने में मौजूदा विधियों की विफलता को संबोधित किया जा सके।
यह शोध पत्र दीर्घकालिक पावर ग्रिड नियोजन को अनुकूलित करने के लिए उत्तर सेट प्रोग्रामिंग (ASP) का उपयोग करने वाले पहले स्वचालित दृष्टिकोण का प्रस्ताव करता है, जो सिंथेटिक और वास्तविक दुनिया के डेटा दोनों पर प्रयोगों के माध्यम से जटिल टोपोलॉजिकल और कॉम्बिनेटोरियल बाधाओं को संभालने में इसकी प्रभावशीलता को प्रदर्शित करता है।
संज्ञानात्मक विज्ञान से प्रेरित, यह शोध पत्र एक ऐसे एजेंट को प्रस्तुत करता है जो सिमेंटिक (semantic) और एपिसोडिक (episodic) स्मृति प्रणालियों दोनों से सुसज्जित है, जो एक नए डिज़ाइन किए गए "रूम" (Room) वातावरण में एकल-स्मृति वाले एजेंटों से बेहतर प्रदर्शन करता है, साथ ही यह भी प्रदर्शित करता है कि मानव-मशीन सहयोग स्वायत्त एजेंटों की तुलना में बेहतर परिणाम देता है।
मानव संज्ञानात्मक विज्ञान से प्रेरित, यह शोध पत्र एक डीप क्यू-लर्निंग एजेंट प्रस्तुत करता है जो नॉलेज ग्राफ के रूप में मॉडल किए गए अल्पकालिक, एपिसोडिक और सिमेंटिक मेमोरी सिस्टम से सुसज्जित है, जो यह प्रदर्शित करता है कि ऐसी संरचना एजेंट को प्रभावी ढंग से मेमोरी प्रबंधन रणनीतियों को सीखने में सक्षम बनाती है और "द रूम" नामक एक कस्टम सुदृढीकरण शिक्षण वातावरण में बिना इस आर्किटेक्चर वाले एजेंटों से बेहतर प्रदर्शन करती है।
यह शोध पत्र एक नवीन संसाधन-जागरूक नियंत्रण ढांचे (resource-aware control framework) को प्रस्तुत करता है जो अनुमान (inference) को एक महंगी संसाधन के रूप में मानता है, यह प्रकट करते हुए कि कम्प्यूटेशनल बाधाओं के तहत इष्टतम एजेंटों को हानिपूर्ण अनुमान (lossy inference) का उपयोग करना चाहिए, लचीले समाधान मैनिफोल्ड्स (solution manifolds) का लाभ उठाना चाहिए, और उपयोगिता एवं संसाधन दक्षता के बीच संतुलन बनाने के लिए प्रणालियों को सक्रिय रूप से कम-लागत वाले प्रतिनिधित्व शासन (low-cost representation regimes) की ओर निर्देशित करना चाहिए।
यह शोध पत्र ERFSL का प्रस्ताव करता है, जो एक कुशल फ्रेमवर्क है जो जटिल कस्टम वातावरणों में सिमेंटिक समझ, कोड सुधार के लिए एक रिवॉर्ड क्रिटिक और जेनेटिक-जैसे वेट एडजस्टमेंट रणनीतियों के माध्यम से मल्टी-ऑब्जेक्टिव रिवॉर्ड फंक्शन्स को स्वचालित रूप से उत्पन्न करने और पुनरावृत्ति रूप से अनुकूलित करने के लिए व्हाइट-बॉक्स सर्चर्स के रूप में लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे न्यूनतम मानवीय फीडबैक के साथ पारेटो-ऑप्टिमल समाधानों की तीव्र अभिसरण प्राप्त होती है।
यह शोध पत्र लघु और मध्यम उद्यमों के लिए एक लागत प्रभावी विजुअल विसंगति पहचान प्रणाली प्रस्तुत करता है जो कम लागत वाले रास्पबेरी पाई हार्डवेयर पर ओपनवीएनओ (OpenVINO) के माध्यम से तैनात एनोमैलिब (Anomalib) के अनसुपरवाइज्ड लर्निंग मॉडल्स का लाभ उठाता है, जो न्यूनतम प्रशिक्षण डेटा (10 चित्र) के साथ उच्च सटीकता (F1 > 0.95) और तीव्र अनुमान (90 सेकंड) प्राप्त करता है।
यह शोध पत्र वैकल्पिक प्रक्रिया योजनाओं वाले सेलुलर विनिर्माण प्रणालियों के डिज़ाइन और संचालन को अनुकूलित करने के लिए चार पूर्णांक प्रोग्रामिंग सूत्रीकरण प्रस्तुत करता है, जो इंटर-सेल और इंट्रा-सेल गतिविधियों को कम करने के लिए पुर्जों और मशीनों को समूहबद्ध करता है, और साथ ही लागत-आधारित विकल्पों की तुलना में इस उद्देश्य की उपयुक्तता का भी मूल्यांकन करता है।
यह शोध पत्र QuNetQFL को प्रस्तुत और प्रयोगात्मक रूप से मान्य करता है, जो एक व्यावहारिक क्वांटम-सुरक्षित फेडरेटेड लर्निंग प्रोटोकॉल है जो सूचना-सैद्धांतिक सुरक्षा प्राप्त करने के लिए वितरित क्वांटम गुप्त कुंजियों का उपयोग करता है, जो क्वांटम डेटासेट पर बेहतर सटीकता और वास्तविक दुनिया के कार्यों पर मजबूत प्रदर्शन प्रदर्शित करते हुए सैकड़ों क्लाइंट्स तक कुशलतापूर्वक स्केल करता है।