24888 पेपर
XiYOLO एक ऊर्जा-जागरूक ऑब्जेक्ट डिटेक्शन फ्रेमवर्क पेश करता है जो इटरेटिव न्यूरल आर्किटेक्चर सर्च को टू-स्टेज एनर्जी एस्टीमेटर और कंपाउंड स्केलिंग के साथ जोड़ता है ताकि मॉडल्स का एक ऐसा परिवार तैयार किया जा सके जो YOLO बेसलाइन्स की तुलना में हेट्रोजेनियस एज डिवाइसेस पर बेहतर सटीकता-ऊर्जा ट्रेड-ऑफ प्राप्त करता है।
यह शोध पत्र PostEDA-Bench प्रस्तुत करता है, जो post-EDA DRC फिक्सिंग और PPA अभिसरण (convergence) पर LLM एजेंटों के मूल्यांकन के लिए 145 मशीन-चेकेबल कार्यों वाला एक पदानुक्रमित (hierarchical) बेंचमार्क है, जो यह प्रकट करता है कि जहाँ एजेंट सिंथेटिक या एकल-उद्देश्य वाले कार्यों पर उचित प्रदर्शन करते हैं, वहीं वे जटिल तर्क और बहु-उद्देश्यीय समझौतों (trade-offs) के साथ काफी संघर्ष करते हैं।
यह शोध पत्र 'एडैप्टिव मेमोरी डिके' (Adaptive Memory Decay) का प्रस्ताव करता है, जो एक हल्के एमएलपी (MLP) के माध्यम से लॉग-लीनियर अटेंशन में फिक्स्ड डिके पैरामीटर को एक इनपुट-डिपेंडेंट, लर्नबल मैकेनिज्म से बदलकर, मॉडल की लॉग-लीनियर कम्प्यूटेशनल कॉम्प्लेक्सिटी को बनाए रखते हुए लॉन्ग-रेंज मेमोरी परफॉरमेंस और फ्लेक्सिबिलिटी को बढ़ाता है।
यह शोध पत्र मल्टी-ऑब्जेक्टिव कंस्ट्रेंट इन्फरेंस (MOCI) प्रस्तुत करता है, जो एक नवीन फ्रेमवर्क है जो परस्पर विरोधी उद्देश्यों वाले विषम विशेषज्ञ प्रदर्शनों से साझा बाधाओं और व्यक्तिगत प्राथमिकताओं को प्रभावी ढंग से निकालता है, और कम्प्यूटेशनल दक्षता बनाए रखते हुए प्रिडिक्टिव सटीकता में मौजूदा बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र K-DSM को प्रस्तुत करता है, जो एक कर्टोसिस-गाइडेड डीनोइजिंग स्कोर मैचिंग विधि है जो जटिल मल्टी-स्केल प्रशिक्षण या व्यापक हाइपरपैरामीटर ट्यूनिंग की आवश्यकता के बिना, सेमी-सुपरवाइज्ड और पूरी तरह से अनसुपरवाइज्ड सेटिंग्स में स्टेट-ऑफ-द-आर्ट टैबुलर एनोमली डिटेक्शन प्राप्त करने के लिए प्रति फीचर शोर (noise) को अनुकूल रूप से स्केल करता है।
यह शोध पत्र तर्क देता है कि जबकि एआई (AI) चेतना को सीधे तौर पर निर्धारित करना वर्तमान में कठिन है, इसके बजाय अनुसंधान को कथित एआई चेतना के अध्ययन को प्राथमिकता देनी चाहिए जो कि सुलभ और सामाजिक रूप से consequential (परिणामोन्मुख) है, और यह हितधारकों से इसके कारणों, प्रभावों और स्पष्ट संचार पर ध्यान केंद्रित करने का आग्रह करता है।
यह शोध पत्र स्ट्रीमिंग डेटा परिवेशों में समय-परिवर्तित मिनिमाइज़र्स (minimizers) को ट्रैक करने के लिए विकेंद्रीकृत ग्रेडिएंट डिसेंट (decentralized gradient descent) के प्रदर्शन का विश्लेषण करता है, जो यह प्रकट करता है कि ट्रैकिंग त्रुटि एक फिक्स्ड-पॉइंट पद और एक विषमता-प्रेरित पूर्वाग्रह (heterogeneity-induced bias) में विभाजित होती है, जिसमें समान वेटिंग (uniform weighting) अभिसरण दर प्राप्त करती है जबकि घातीय रूप से छूट वाली वेटिंग (exponentially discounted weighting) एक गैर-लुप्त होने वाले एरर फ्लोर (non-vanishing error floor) का परिणाम देती है।
यह शोध पत्र तर्क देता है कि के-मीन्स क्लस्टरिंग (K-means clustering) सिम्युलेटेड और वास्तविक साइकोमेट्रिक डेटा दोनों में स्थिर और दृश्य रूप से सुसंगत उपसमूह पैटर्न उत्पन्न कर सकती है, भले ही कोई वास्तविक लेटेंट कैटेगोरिकल संरचना मौजूद न हो, क्योंकि यह एल्गोरिदम स्वाभाविक रूप से निरंतर गाऊसीан (Gaussian) स्थानों को ज्यामितीय रूप से सघन समूहों में विभाजित करता है।
यह शोध पत्र "मैक्स-पोटेंसी" (max-potency) उद्देश्य को औपचारिक रूप देने, खोज स्थान (search space) को नाटकीय रूप से कम करने के लिए कुशल ग्राफिकल प्रूनिंग मानदंडों को विकसित करने और सिंथेटिक बेंचमार्क एवं वास्तविक NHANES डेटा दोनों पर दृष्टिकोण की प्रभावकारिता प्रदर्शित करने के माध्यम से, कारण प्रभाव सीमाओं (causal effect bounds) को अधिकतम रूप से कड़ा करने के लिए लागत-बाधित प्रयोगों के चयन की NP-हार्ड समस्या को संबोधित करता है।
यह शोध पत्र एक अनुकूलन योग्य ऑडिटिंग फ्रेमवर्क पेश करता है जो जनरेटिव एआई सिस्टम के लिए सेफ एनीटाइम-वैलिड इन्फरेंस (SAVI) और एक "टेस्टिंग बाय बेटिंग" दृष्टिकोण का लाभ उठाता है ताकि पारंपरिक तरीकों की तुलना में काफी कम अवलोकनों के साथ मॉडल मजबूती पर सांख्यिकीय रूप से कठोर, एनीटाइम-वैलिड गारंटी प्रदान की जा सके।