cs.AI

An Amortized Efficiency Threshold for Comparing Neural and Heuristic Solvers in Combinatorial Optimization

यह शोध पत्र एमोर्टाइज्ड एफिशिएंसी थ्रेशोल्ड (AET) फ्रेमवर्क को पेश करता है ताकि यह प्रदर्शित किया जा सके कि न्यूरल कॉम्बिनेटोरियल सॉल्वर एक विशिष्ट परिनियोजन मात्रा (डिप्लॉयमेंट वॉल्यूम) तक पहुँचने के बाद कुल ऊर्जा और कार्बन दक्षता में CPU-आधारित ह्यूरिस्टिक्स से आगे निकल सकते हैं, जिससे उस आलोचना का खंडन होता है कि उनकी प्रशिक्षण लागत उन्हें स्वाभाविक रूप से शुद्ध रूप से अक्षम बनाती है।

Action-Inspired Generative Models

यह शोध पत्र एक्शन-इंस्पायर्ड जनरेटिव मॉडल्स (AGMs) को प्रस्तुत करता है, जो एक हल्का, प्लग-एंड-प्ले डुअल-नेटवर्क फ्रेमवर्क है जो ब्रिज-मैचिंग विधियों को प्रशिक्षण के दौरान स्टोकेस्टिक ट्रांज़िशन को गतिशील रूप से भारित करने के लिए एक सीखने योग्य स्केलर पोटेंशियल का उपयोग करके बेहतर बनाता है, जिससे बिना किसी इन्फरेंस ओवरहेड के जनरेशन की गुणवत्ता में सुधार होता है।

MindGap: A Conversational AI Framework for Upstream Neuroplastic Intervention in Post-Traumatic Stress Disorder

यह शोधपत्र माइंडगैप (MindGap) को प्रस्तुत करता है, जो एक गोपनीयता-संरक्षित, ऑन-डिवाइस संवादात्मक एआई ढांचा है, जो पीटीएसडी (PTSD) रोगियों को पूर्व-संज्ञानात्मक भावनात्मक संकेतों के संरचित अवलोकन के माध्यम से मार्गदर्शन करने के लिए बौद्ध धर्म की प्रतीत्यसमुत्पाद (dependent origination) की अवधारणा का उपयोग करता है, जिसका लक्ष्य मौजूदा उपचारों की विशिष्ट डाउनस्ट्रीम लक्षण दमन पद्धति के बजाय अपस्ट्रीम न्यूरोप्लास्टिक पुनर्गठन और स्थायी तंत्रिका पथ विलोपन प्राप्त करना है।

Falkor-IRAC: Graph-Constrained Generation for Verified Legal Reasoning in Indian Judicial AI

यह शोध पत्र Falkor-IRAC को प्रस्तुत करता है, जो भारतीय कानूनी एआई के लिए एक ग्राफ-प्रतिबंधित जनरेशन फ्रेमवर्क है जो एलएलएम (LLM) आउटपुट को संरचित IRAC ज्ञान ग्राफ़ में ग्राउंड करके और उद्धरणों को मान्य करने तथा सैद्धांतिक संघर्षों का पता लगाने के लिए एक सत्यापनकर्ता एजेंट (Verifier Agent) का उपयोग करके सत्यापित तर्क सुनिश्चित करता है, जिससे पारंपरिक वेक्टर-आधारित रिट्रीवल सिस्टम की मतिभ्रम (hallucination) और सटीकता संबंधी सीमाओं को संबोधित किया जा सके।

Monitoring Data-aware Temporal Properties (Extended Version)

यह शोध पत्र ऑटोमेटा-सैद्धांतिक विधियों को स्वचालित तर्क के साथ संयोजित करके, SMT सिद्धांतों से समृद्ध रैखिक-समय गुणों (LTLfMT) की पूर्वगामी निगरानी (anticipatory monitoring) के लिए एक नवीन, औपचारिक रूप से सत्यापित ढांचे को प्रस्तुत करता है, जिससे डेटा-जागरूक प्रणालियों के लिए प्रासंगिक गणनीय खंडों (decidable fragments) की पहचान होती है और एक प्रोटोटाइप कार्यान्वयन के माध्यम से इसकी व्यवहार्यता प्रदर्शित होती है।

Agentic Design of Compositional Descriptors via Autoresearch for Materials Science Applications

यह शोध पत्र Automat को प्रस्तुत करता है, जो एक ऑटो-रिसर्च फ्रेमवर्क है जहाँ एक AI एजेंट सामग्रियों के गुण पूर्वानुमान के लिए रासायनिक रूप से व्याख्या योग्य संरचना-आधारित डिस्क्रिप्टर्स (descriptors) को स्वायत्त रूप से डिजाइन और पुनरावृत्ति के माध्यम से परिष्कृत करता है, जो बैंड गैप और क्यूरी तापमान की भविष्यवाणी करने में स्थापित बेसलाइन्स से सफलतापूर्वक बेहतर प्रदर्शन करता है और साथ ही खोज रणनीतियों और जटिलता नियंत्रण में वर्तमान सीमाओं को भी रेखांकित करता है।

Spontaneous symmetry breaking and Goldstone modes for deep information propagation

NeuroAtlas: Benchmarking Foundation Models for Clinical EEG and Brain-Computer Interfaces

यह शोध पत्र NeuroAtlas को पेश करता है, जो 42 डेटासेट और 260k घंटों के डेटा वाला अब तक का सबसे बड़ा EEG बेंचमार्क है, यह प्रदर्शित करने के लिए कि वर्तमान फाउंडेशन मॉडल अभी भी नैदानिक अनुप्रयोगों में सुपरवाइज्ड बेसलाइन या जेनेरिक टाइम-सीरीज मॉडल्स से लगातार बेहतर प्रदर्शन नहीं करते हैं, जो मानक मशीन लर्निंग स्कोर के बजाय विशिष्ट नैदानिक मूल्यांकन मेट्रिक्स की महत्वपूर्ण आवश्यकता को रेखांकित करता है।

SceneFunRI: Reasoning the Invisible for Task-Driven Functional Object Localization

यह शोध पत्र SceneFunRI प्रस्तुत करता है, जो 855 इंस्टेंस वाला एक नया बेंचमार्क है जो कार्य निर्देशों और सामान्य ज्ञान (कॉमन सेंस) का उपयोग करके अदृश्य, अवरुद्ध कार्यात्मक वस्तुओं के स्थानों के बारे में तर्क करने की विजन-लैंग्वेज मॉडल्स की क्षमता का मूल्यांकन करता है, जिससे यह पता चलता है कि वर्तमान अत्याधुनिक मॉडल इस क्षमता के साथ काफी संघर्ष करते हैं।

Towards Label-Free Single-Cell Phenotyping Using Multi-Task Learning

यह शोध पत्र एक एकीकृत डीप लर्निंग फ्रेमवर्क प्रस्तुत करता है जो डिफरेंशियल फेज कंट्रास्ट छवियों से श्वेत रक्त कोशिकाओं के सटीक, लेबल-मुक्त वर्गीकरण और प्रोटीन अभिव्यक्ति के प्रतिगमन (regression) को सक्षम करने के लिए कन्वोल्यूशनल और ट्रांसफॉर्मर आर्किटेक्चर को एक लार्ज लैंग्वेज मॉडल के साथ जोड़ता है, जो फ्लोरोसेंस-आधारित साइटोमेट्री के लिए एक लागत प्रभावी विकल्प प्रदान करता है।