24429 पेपर
यह शोध पत्र DynMuon को प्रस्तुत करता है, जो एक गतिशील स्पेक्ट्रल शेपिंग विधि है जो वक्रता (curvature) और शोर (noise) के आधार पर स्पेक्ट्रल पावर पैरामीटर को धनात्मक से हल्के ऋणात्मक मानों की ओर शेड्यूलिंग करके Muon-आधारित प्रशिक्षण को अनुकूलित करती है, जिससे मानक Muon की तुलना में कम वैलिडेशन लॉस और तेज़ अभिसरण (convergence) प्राप्त होता है।
यह शोध पत्र ECC को प्रस्तुत करता है, जो एक साक्ष्य-कैलिब्रेटेड (evidence-calibrated) क्वेरी क्लस्टरिंग एल्गोरिदम है जो पोस्टीरियर मॉडल तुलनाओं के माध्यम से सिमेंटिक एम्बेडिंग्स को परिष्कृत करके सतही अर्थ (surface-level semantics) और लेटेंट क्षमता आवश्यकताओं (latent capability requirements) के बीच के अंतर को पाटता है, जिससे मौजूदा बेसलाइन की तुलना में LLM क्षमता रैंकिंग और रूटिंग प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र "काउंटरफैक्टुअल लोकलाइजेशन" (counterfactual localization) प्रस्तुत करता है, जो एक स्केलेबल पद्धति है जिसका उपयोग यह सटीक रूप से पहचानने के लिए किया जाता है कि भाषा मॉडल अपने तर्क संबंधी निशानों (reasoning traces) के भीतर किस क्षण धोखेबाजी के प्रति प्रतिबद्ध होते हैं, जिससे यह पता चलता है कि यह प्रतिबद्धता सतही भाषाई संकेतों के बजाय सामान्यीकरण योग्य अटेंशन-आधारित गतिकी (attention-based dynamics) द्वारा संचालित होती है और इसे अटेंशन हेड्स के एक छोटे समूह द्वारा कारणवश दबाया जा सकता है।
यह शोध पत्र F2IND-IT प्रस्तुत करता है, जो एक नवीन मल्टीमॉडल फ्रेमवर्क है जो मौजूदा विधियों की तुलना में भारतीय मीडिया पर बेहतर फेक न्यूज डिटेक्शन प्रदर्शन प्राप्त करने के लिए इमेज विश्लेषण हेतु ResNet-50, टेक्स्ट प्रोसेसिंग हेतु DistilBERT, और अटेंशन-आधारित फ्यूजन के साथ एक एडेप्टिव न्यूरो-फजी इन्फरेंस सिस्टम (ANFIS) को एकीकृत करता है।
यह शोध पत्र 3D पॉइंट क्लाउड वर्गीकरण और विभाजन के लिए डीप लर्निंग आर्किटेक्चर का एक व्यवस्थित सर्वेक्षण प्रस्तुत करता है, जिसमें डेटा विशेषताओं, पद्धतिगत वर्गीकरण, बेंचमार्क मूल्यांकन और भविष्य की अनुसंधान दिशाओं को शामिल किया गया है।
CAM-VFD एक नवीन क्रॉस-अटेंशन मल्टीमॉडल फ्रेमवर्क है जो उपस्थिति, गति और गहराई संबंधी विशेषताओं के बीच क्रॉस-मोडल विरोधाभासों को मॉडल करके डीपफेक वीडियो का पता लगाता है, जो बेंचमार्क डेटासेट्स पर विभिन्न व्यवधानों के विरुद्ध अत्याधुनिक सटीकता और मजबूती प्राप्त करता है।
यह शोध पत्र लेटेंट ह्यूरिस्टिक सर्च (Latent Heuristic Search) प्रस्तुत करता है, जो एक फ्रेमवर्क है जो एक सीखे हुए लेटेंट मैनिफोल्ड (latent manifold) के भीतर निरंतर अनुकूलन (continuous optimization) का लाभ उठाता है—एन्कोडर्स, डिफरेंशिएबल सरोगेट्स और नॉर्मलाइजिंग फ्लोज़ का उपयोग करते हुए—ताकि एक फ्रीज़्ड लार्ज लैंग्वेज मॉडल (Large Language Model) को कंडीशन करके कॉम्बिनेटोरियल ऑप्टिमाइज़ेशन समस्याओं के लिए उच्च-प्रदर्शन वाले ह्यूरिस्टिक्स को कुशलतापूर्वक उत्पन्न किया जा सके।
यह अध्ययन आर्टब्रीडर रिमिक्स पार्टियों से मानव-एआई सह-निर्मित छवियों के एक विशाल डेटासेट का विश्लेषण करता है ताकि यह प्रकट किया जा सके कि जबकि नवीन जनक छवियां अधिक जटिल संतान को प्रेरित करती हैं, उपयोगकर्ता विरोधाभासी रूप से सरल, कम नवीन कार्यों को रिमिक्स करना पसंद करते हैं, जिससे सामान्य विषयगत आकर्षणों की ओर एक सामूहिक अभिसरण होता है जहाँ बड़े समूह अधिक नवीनता लेकिन कम जटिलता उत्पन्न करते हैं।
यह शोध पत्र कॉन्ट्रास्टिव कॉन्सेप्टर एक्टिवेशन स्टीयरिंग (COAST) का प्रस्ताव करता है, जो एक हल्का, बिना प्रशिक्षण वाला तरीका है जो कुछ ही उदाहरणों (few-shot examples) से प्राप्त सफलता-महत्वपूर्ण उप-स्थानों (success-critical subspaces) में विजन-लैंग्वेज-एक्शन (VLA) मॉडल के लेटेंट्स को पहचानने और निर्देशित करने के लिए कॉन्सेप्टर्स का उपयोग करता है, जिससे बिना पुन: प्रशिक्षण के विविध आर्किटेक्चरों में कार्य सफलता दर में उल्लेखनीय सुधार होता है।
यह शोध पत्र बाइनरी क्रिस्टल सिस्टम में फॉर्मेशन ऊर्जा की भविष्यवाणी करने के लिए मंटा रे फ़ॉरैजिंग विद लेवी फ़्लाइट (EELM-MRFO-LF) द्वारा अनुकूलित एक इवोल्यूशनरी एक्सट्रीम लर्निंग मशीन का प्रस्ताव करता है, जो प्रशिक्षण प्रक्रिया के दौरान जनसंख्या विविधता को बढ़ाने और स्थानीय इष्टतम (लोकल ऑप्टिमा) से बचने के लिए लेवी फ़्लाइट का उपयोग करता है।