25058 पेपर
यह शोध पत्र DTSemNet को प्रस्तुत करता है, जो एक नवीन ढांचा है जो हार्ड ऑब्लिक (hard oblique) डिसीजन ट्रीज़ को इनवर्टिबल न्यूरल नेटवर्क के रूप में निरूपित करता है ताकि मानक ग्रेडिएंट डिसेंट के माध्यम से सटीक, अनुमान-रहित एंड-टू-एंड प्रशिक्षण सक्षम किया जा सके, जो वर्गीकरण और प्रतिगमन दोनों कार्यों में मौजूदा विभेदक (differentiable) विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र PPI-Net प्रस्तुत करता है, जो एक पदानुक्रमित ग्राफ न्यूरल नेटवर्क है जो कैंसर अवस्थाओं की सटीक भविष्यवाणी करने और रोग-संचालित जैविक प्रक्रियाओं में यांत्रिक अंतर्दृष्टि प्रदान करने के लिए प्रोटीन-प्रोटीन इंटरेक्शन नेटवर्क को पाथवे-स्तरीय पदानुक्रमों के साथ एकीकृत करता है।
यह शोध पत्र एक स्पार्स कॉन्टेक्स्ट-स्टेट बिलीफ प्रोपेगेशन विधि प्रस्तुत करता है जो प्रेक्षित कॉन्टेक्स्ट और कंस्ट्रेंट ऑटोमेटा के बीच एक प्रोडक्ट स्टेट स्पेस का निर्माण करके, नियमित बाधाओं के तहत वेरिएबल-ऑर्डर मार्कोव मॉडल से अनुक्रमों के सटीक उत्पादन को सक्षम बनाता है, जिससे फुल K-टुपल एक्सपेंशन के कम्प्यूटेशनल विस्फोट से बचा जा सके और रिवर्सिबल डेटा ऑग्मेंटेशन को समर्थन मिल सके।
यह शोध पत्र MatryoshkaLoRA को प्रस्तुत करता है, जो एक नवीन प्रशिक्षण ढांचा है जो एक निश्चित विकर्ण स्केलिंग मैट्रिक्स (diagonal scaling matrix) को सम्मिलित करके पैरामीटर-कुशल फाइन-ट्यूनिंग को बढ़ाता है ताकि सटीक, पदानुक्रमित निम्न-रैंक (hierarchical low-rank) निरूपणों को सीखा जा सके, जिससे मौजूदा विधियों की तुलना में बेहतर सटीकता-प्रदर्शन ट्रेड-ऑफ के साथ गतिशील रैंक चयन सक्षम होता है।
यह शोध पत्र प्रेडिक्टिव मेंटेनेंस (पूर्वानुमानित रखरखाव) में फेडरेटेड जनरेटिव मॉडल्स (VAEs, GANs, और डिफ्यूजन मॉडल्स) के लिए एक व्यापक विश्लेषण और नवीन वर्गीकरण प्रस्तुत करता है, जो उपयोगिता (utility), स्थिरता और संचार ओवरहेड में स्पष्ट ट्रेड-ऑफ को प्रकट करता है और यह प्रदर्शित करता है कि बैंडविड्थ-सीमित, नॉन-आईआईडी (non-IID) औद्योगिक परिवेश में आंशिक घटक साझा करना पूर्ण फेडरेशन से बेहतर प्रदर्शन कर सकता है।
यह शोध पत्र vOPD का प्रस्ताव करता है, जो एक स्थिर ऑन-पॉलिसी डिस्टिलेशन (On-Policy Distillation) विधि है जो एक क्लोज्ड-फॉर्म, प्रति-टोकन नेगेटिव रिवर्स KL डाइवर्जेंस (negative reverse KL divergence) को कंट्रोल वेरिएट बेसलाइन (control variate baseline) के रूप में उपयोग करके प्रशिक्षण भिन्नता (training variance) को कम करता है, और बिना किसी अतिरिक्त इन्फरेंस ओवरहेड के महंगे फुल-वोकैबुलरी बेसलाइन के समान प्रदर्शन प्राप्त करता है।
यह शोध पत्र विस्तृत न्यूरल नेटवर्क में हिडन-वेट स्पेक्ट्रा (hidden-weight spectra) के विकास का विश्लेषण करने के लिए एक टू-लेवल डायनामिकल मीन-फील्ड थ्योरी प्रस्तुत करता है, जो यह प्रकट करता है कि आउटलायर डायनेमिक्स और हाइपरपैरामीटर ट्रांसफर विभिन्न पैरामीट्राइजेशन में कैसे भिन्न होते हैं और कैसे कार्य की जटिलता तथा आउटपुट आयाम बढ़ने के साथ स्पेक्ट्रल व्यवहार आउटलायर-ड्रिवन से बल्क-रीस्ट्रक्चरिंग तंत्र में स्थानांतरित हो जाता है।
यह शोध पत्र वीडियो समझ रिवॉर्ड मॉडलिंग में सुदृढ़ बेंचमार्क और उच्च गुणवत्ता वाले डेटा की कमी को संबोधित करते हुए वीडियो अंडरस्टैंडिंग रिवॉर्ड बेंच (VURB), बड़े पैमाने के वीडियो अंडरस्टैंडिंग प्रेफरेंस डेटासेट (VUP-35K), और अत्याधुनिक डिस्क्रिमिनेटिव और जेनेरेटिव रिवॉर्ड मॉडल्स (VideoDRM और VideoGRM) को प्रस्तुत करता है जो प्रदर्शन और तर्क क्षमताओं को महत्वपूर्ण रूप से आगे बढ़ाते हैं।
यह शोध पत्र तर्क देता है कि संवादात्मक चैटबॉट इंटरफेस पर उद्योग की प्रमुख निर्भरता एक गैर-तटस्थ सामाजिक-तकनीकी विकल्प है जो डोमेन विशिष्टता और जवाबदेही के बजाय संवादात्मक व्यापकता को प्राथमिकता देकर महत्वपूर्ण संरचनात्मक नुकसान—जिसमें कौशल में कमी, आर्थिक एकाग्रता और पर्यावरणीय लागत शामिल हैं—का कारण बनती है, और यह बहुलवादी, कार्य-विशिष्ट एआई प्रणालियों और शासन की ओर बदलाव का वकालत करता है।
SAVEMem एक प्रशिक्षण-मुक्त (training-free), द्वि-चरणीय ढांचा है जो मेमोरी जनरेशन में सिमेंटिक सैलिएंस (semantic salience) को एकीकृत करके और क्वेरी-अनुकूलित रिट्रीवल (query-adaptive retrieval) का उपयोग करके ऑनलाइन स्ट्रीमिंग वीडियो समझ को बढ़ाता है, जिससे OVO-Bench जैसे बेंचमार्क पर प्रदर्शन में उल्लेखनीय सुधार होता है और पीक GPU मेमोरी उपयोग कम होता है।