24160 पेपर
यह शोध पत्र सहभागी एआई (AI) पहलों के मानचित्रण के लिए एक खुले, संवादात्मक एटलस और पुनरुत्पादक प्रोटोकॉल के निर्माण को प्रस्तुत करता है, जो मौजूदा प्रयासों में भौगोलिक और विषयगत सांद्रता को प्रकट करता है और तुलनात्मक अनुसंधान, नीतिगत शिक्षण तथा सामुदायिक जांच का समर्थन करने के लिए एक जीवंत ढांचे को स्थापित करता है।
यह शोध पत्र एक प्रेडिक्शन-इंटरवेंशन गेम फ्रेमवर्क पेश करता है जहाँ एक लीडर (नेता) फॉलोअर (अनुगामी) के रणनीतिक कोवेरिएट हस्तक्षेपों का पूर्वानुमान लगाता है, यह सिद्ध करते हुए कि "स्टेबल ब्लैंकेट" (कोवेरिएट्स का एक विशिष्ट अपरिवर्तनीय उपसमुच्चय) पर आधारित भविष्यवक्ता केवल कॉज़ल पेरेंट्स (कारणजनक माता-पिता) पर निर्भर रहने वाले भविष्यवक्ताओं की तुलना में श्रेष्ठ या समकक्ष प्रदर्शन प्रदान करते हैं, साथ ही सबसे खराब स्थिति की इष्टतमता (worst-case optimality) के लिए स्थितियाँ स्थापित करते हैं और सिमुलेशन एवं वास्तविक डेटा के माध्यम से इन रणनीतियों को मान्य करते हैं।
यह शोध पत्र "पैटर्न इंडक्शन" (Pattern Induction) को पेश करते हुए विजन-लैंग्वेज मॉडल्स के लिए विजुअल प्लानिंग में संवेदी बाधा (perceptual bottleneck) को संबोधित करता है, जो एक ऑनलाइन लर्निंग रणनीति है जो पुन: प्रयोज्य विजुअल पैटर्न को स्वायत्त रूप से खोजती है ताकि महंगी पुनरावृत्तिपूर्ण धारणा (iterative perception) के बजाय सीधे अनुमान (direct inference) के माध्यम से कुशल, प्रशिक्षण-मुक्त नियोजन सक्षम किया जा सके।
PhysioSeq2Seq एक हाइब्रिड डीप लर्निंग फ्रेमवर्क है जो टाइप 1 डायबिटीज में रिकर्सिव एरर कंपाउंडिंग को समाप्त करने और लॉन्ग-होरिज़न ग्लूकोज फोरकास्टिंग बायस को कम करने के लिए पेशेंट-स्पेसिफिक फिजियोलॉजिकल डिजिटल ट्विन्स को सीक्वेंस-टू-सीक्वेंस LSTM के साथ जोड़ता है, जो मानक रिकर्सिव LSTMs और विशुद्ध रूप से मैकेनिस्टिक ODE मॉडल्स दोनों की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोधपत्र XDiffuser प्रस्तुत करता है, जो एक नवीन दृष्टिकोण है जो एक्सट्रिंसिक ग्राफ-आधारित खोज (extrinsic graph-based search) का उपयोग करके एक हल्का प्लान (lightweight plan) तैयार करता है जो डिनोइजिंग प्रक्रिया को निर्देशित करता है, जिससे इंट्रिंसिक खोज (intrinsic search) के कम्प्यूटेशनल ओवरहेड के बिना वैश्विक सुसंगतता और जटिल कार्यों पर प्रदर्शन में सुधार करके लॉन्ग-होरिज़न डिफ्यूजन प्लानिंग को बढ़ाता है।
यह शोध पत्र यह प्रदर्शित करता है कि बड़े भाषा मॉडलों (large language models) की तर्क करने की क्षमताओं को उन शुरुआती, उच्च-अनिश्चितता वाले नियोजन टोकन (planning tokens) के एक विरल सेट की पहचान करके और उनमें हस्तक्षेप करके कुशलतापूर्वक बहाल किया जा सकता है जहाँ आधार मॉडल (base models) अधिक सक्षम तर्क मॉडलों से असहमत होते हैं, जो एक हल्के अनुमान-समय प्रतिनिधि रणनीति (lightweight inference-time delegation strategy) का उपयोग करता है जो प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है।
DriveSafe एक नवीन ढांचा है जो स्थानिक रूप से आधारित, मल्टीमॉडल दृश्य कैप्शन उत्पन्न करके एक हल्के एडैप्टर को फाइन-ट्यून करता है, जिससे खतरों की पहचान करने और DRAMA बेंचमार्क पर सुरक्षा सुझाव प्रदान करने में अत्याधुनिक प्रदर्शन प्राप्त करके स्वायत्त वाहन जोखिम मूल्यांकन को बढ़ाता है।
यह समीक्षा हस्तक्षेप-जागरूक (intervention-aware) नैदानिक एआई के लिए एक एकीकृत ढांचे का प्रस्ताव करती है जो उपचार फीडबैक के तहत गतिशील रोग प्रक्षेपवक्रों को मॉडल करने के लिए पूर्वानुमान, प्रतितथ्यात्मक अनुमान (counterfactual estimation) और नीति मूल्यांकन को जोड़ता है, जिससे स्थिर जोखिम भविष्यवाणी से व्यक्तिगत देखभाल के लिए सुरक्षित, निर्णय-ग्रेड साक्ष्य की ओर प्रगति होती है।
यह शोध पत्र RTPurbo को प्रस्तुत करता है, जो फुल-अटेंशन लार्ज लैंग्वेज मॉडल्स की अंतर्निहित स्पर्सिटी (sparsity) का लाभ उठाकर उन्हें न्यूनतम प्रशिक्षण के साथ कुशलतापूर्वक अत्यधिक स्पर्स आर्किटेक्चर में बदलने का एक तरीका है, जिससे महंगी नेटिव स्पर्स प्रीट्रेनिंग की आवश्यकता के बिना लॉन्ग-कॉन्टेक्स्ट इन्फरेंस में लगभग लॉसलेस सटीकता और महत्वपूर्ण गति प्राप्त होती है।
यह न्यूरोइमेजिंग अध्ययन ईईजी (EEG) का उपयोग यह प्रदर्शित करने के लिए करता है कि मानव मस्तिष्क एआई-जनित मतिभ्रम (hallucinations) को संसाधित करते समय विशिष्ट तंत्रिका गतिकी (neural dynamics) प्रदर्शित करता है, जो यह प्रकट करता है कि गलत समझे गए मतिभ्रम मानक न्यूरोकॉग्निटिव तथ्य सत्यापन पथ को सक्रिय करने में विफल रहते हैं।