24608 पेपर
यह शोध पत्र पॉइंट क्लाउड्स से CAD मॉडल को पुनर्गठित करने के लिए एक एंड-टू-एंड डीप लर्निंग फ्रेमवर्क प्रस्तावित करता है जो आकृतियों को आंशिक घटकों में विभाजित करने के लिए एक नवीन एक्सट्रूज़न सेगमेंटेशन रणनीति का उपयोग करता है, जिससे डेटा की विविधता बढ़ती है और मॉडल के सामान्यीकरण एवं पुनर्गठन प्रदर्शन में सुधार होता है।
यह शोध पत्र STEMO-Bench प्रस्तुत करता है, जो प्रश्नों को उप-प्रश्नों में विभाजित करके वीडियो लार्ज लैंग्वेज मॉडल्स में स्थानिक-कालिक निगरानी (spatio-temporal monitoring) का कठोरता से मूल्यांकन करने के लिए डिज़ाइन किया गया एक बेंचमार्क है, और STEMO-Track प्रस्तावित करता है, जो एक ऑब्जेक्ट-सेंट्रिक फ्रेमवर्क है जो स्पष्ट प्रक्षेपवक्र निर्माण (trajectory construction) और कालिक एकत्रीकरण (temporal aggregation) के माध्यम से मतिभ्रम (hallucinations) को काफी कम करता है और तर्क निरंतरता (reasoning consistency) में सुधार करता है।
यह शोध पत्र Alpamayo 1 को मल्टी-रीज़निंग से सिंगल-रीज़निंग आर्किटेक्चर में पुनर्गठित करके और अक्षम कर्नेल ऑपरेशन्स को समाप्त करके, तर्क-आधारित एंड-टू-एंड स्वायत्त ड्राइविंग सिस्टम को अनुकूलित करता है, जिससे प्रक्षेपवक्र विविधता (ट्रैजेक्टरी डाइवर्सिटी) और भविष्यवाणी की गुणवत्ता को बनाए रखते हुए इन्फरेंस लेटेंसी में 69.23% की कमी आई है।
यह शोध पत्र एक अन्वेषण-जागरूक (exploration-aware) सुदृढीकरण लर्निंग (reinforcement learning) ढांचे का प्रस्ताव करता है जो LLM एजेंटों को अन्वेषण की आवश्यकता वाले उच्च-अनिश्चितता वाले परिदृश्यों और निष्पादन के लिए उपयुक्त स्पष्ट संदर्भों के बीच अनुकूल रूप से अंतर करने में सक्षम बनाता है, जिससे टेक्स्ट-आधारित और GUI-आधारित एजेंट बेंचमार्क में निरंतर प्रदर्शन सुधार प्राप्त होता है।
यह शोध पत्र मशीन लर्निंग इंटरएटमिक पोटेंशियल की कंपोजिशनल जनरलाइजेशन क्षमताओं का मूल्यांकन करने के लिए चार कार्यों वाला एक बेंचमार्क प्रस्तुत करता है, जो यह प्रकट करता है कि अत्याधुनिक फाउंडेशन मॉडल भी इन-डिस्ट्रीब्यूशन डेटा पर अपने प्रदर्शन की तुलना में अनदेखी आणविक संरचनाओं पर सामान्यीकरण करने में काफी संघर्ष करते हैं।
यह शोध पत्र अंकगणितीय और ज्यामितीय एल्गोरिदम का उपयोग करके पूर्ण और अपूर्ण युग्म तुलनाओं (pairwise comparisons) के लिए ह्यूरिस्टिक रेटिंग एस्टीमेशन पद्धति को सही ढंग से लागू करने की पर्याप्त स्थितियों को स्थापित करता है, यह प्रदर्शित करते हुए कि अंकगणितीय संस्करण इष्टतम विसंगति अनुमान (inconsistency estimations) प्रदान करता है।
यह अध्ययन CT-IDP को प्रस्तुत करता है, जो एक व्याख्या योग्य ढांचा (interpretable framework) है जो कई बहु-संस्थानिक डेटासेट्स में विजन-ट्रांसफॉर्मर बेसलाइन की तुलना में बेहतर रोग वर्गीकरण प्रदर्शन प्राप्त करने के लिए पेट के सीटी स्कैन से प्राप्त 900 से अधिक सेगमेंटेशन-व्युत्पन्न मात्रात्मक फेनोटाइप का लाभ उठाता है।
यह शोध पत्र GuardVLA को प्रस्तुत करता है, जो एम्बोडीड विजुअल डेटा में गुप्त वॉटरमार्क को एम्बेड करने और कार्य प्रदर्शन या मॉडल अनुकूलन क्षमता से समझौता किए बिना विश्वसनीय सत्यापन सुनिश्चित करने के लिए स्वैप-एंड-डिटेक्ट तंत्र का उपयोग करके विजन-लैंग्वेज-एक्शन मॉडल्स के स्वामित्व को सत्यापित करने के लिए पहला बैकडोर-आधारित फ्रेमवर्क है।
यह शोध पत्र यह प्रदर्शित करता है कि ऑफलाइन, ओरेकल-लेबल वाले प्रक्षेप पथों (trajectories) पर प्री-ट्रेन्ड लार्ज लैंग्वेज मॉडल्स का सुपरवाइज्ड फाइन-ट्यूनिंग, MDPs, POMDPs और APOMDPs में अनुक्रमिक निर्णय लेने के लिए उनकी इन-कॉन्टेक्स्ट लर्निंग क्षमताओं को महत्वपूर्ण रूप से बढ़ाता है, जिससे बेसलाइन विधियों की तुलना में काफी कम ऑप्टिमलिटी गैप प्राप्त होता है, विशेष रूप से जटिल, लंबी अवधि और आंशिक रूप से दृश्यमान वातावरणों में।
प्रतिनिधित्व लेंसों (representation lenses) को परतों के माध्यम से प्रेडिक्टिव रीडआउट सबस्पेस (predictive readout subspaces) के विकास को ट्रैक करने के लिए ज्यामितीय नैदानिक उपकरणों के रूप में पुनरुद्देश्यित करके, यह अध्ययन प्रकट करता है कि बड़े भाषा मॉडल अगले-टोकन भविष्यवाणी (next-token prediction) को तीन विशिष्ट ज्यामितीय चरणों—सीडिंग मल्टीप्लेक्सिंग (Seeding Multiplexing), होइस्टिंग ओवरराइडिंग (Hoisting Overriding), और फोकल कन्वर्जेंस (Focal Convergence)—के माध्यम से संसाधित करते हैं, जहाँ मॉडल की बढ़ती गहराई मुख्य रूप से प्रतिनिधित्व क्षमता का विस्तार करने के बजाय उम्मीदवार विसंयोजन (candidate disambiguation) को बढ़ाती है।