25186 पेपर
यह शोध पत्र प्रदर्शित करता है कि नींद के बायोसिग्नल्स पर विशेष रूप से मल्टीमॉडल फाउंडेशन मॉडल्स को प्रीट्रेन करने से विविध गैर-नींद संबंधी EEG और ECG कार्यों में प्रदर्शन प्रभावी रूप से सुधरता है, जो अक्सर विशिष्ट अत्याधुनिक (state-of-the-art) मॉडल्स के बराबर या उनसे बेहतर होता है।
यह शोध पत्र एक बायोमेडिकल RAG पाइपलाइन में पांच रिट्रीवल रणनीतियों की तुलना करने वाला एक नियंत्रित अनुभवजन्य अध्ययन प्रस्तुत करता है, जिसमें पाया गया कि क्रॉस-एनकोडर रीरैंकिंग उच्चतम प्रदर्शन प्राप्त करती है जबकि सभी रिट्रीवल विधियां बिना संदर्भ के जनरेशन की तुलना में काफी बेहतर प्रदर्शन करती हैं।
यह शोध पत्र 'सिमेंटिक ऑटोनॉमी स्टैक' (Semantic Autonomy Stack) प्रस्तुत करता है, जो एक छह-स्तरीय ढांचा है जो सामान्य कार्यों के लिए एक तेज़, नियतात्मक रिज़ॉल्वर (deterministic resolver) को अस्पष्ट मामलों के लिए विज़न-लैंग्वेज मॉडल (Vision-Language Model) तर्क के साथ जोड़कर इनडोर मोबाइल रोबोटों को प्राकृतिक भाषा निर्देशों की व्याख्या करने में सक्षम बनाता है, जबकि तत्काल ज्ञान हस्तांतरण और GPU-मुक्त एज हार्डवेयर पर 103,000 गुना विलंबता (latency) में कमी प्राप्त करने के लिए एक क्रॉस-रोबोट अनुकूली मेमोरी सिस्टम का उपयोग करता है।
यह शोध पत्र न्यूरल बैरियर सर्टिफिकेट के लिए एक सेट-आधारित प्रशिक्षण दृष्टिकोण का प्रस्ताव करता है जो एक विशेष लॉस फंक्शन के माध्यम से औपचारिक सत्यापन को सीधे प्रशिक्षण प्रक्रिया में एकीकृत करता है, जिससे पुनरावृत्ति प्रशिक्षण और सत्यापन लूप एक एकल प्रक्रिया में सिमट जाता है जो सिस्टम आयाम के साथ प्रभावी ढंग से स्केल करता है और जटिल गैररेखीय गतिकी को संभालता है।
यह शोध पत्र SAGE को प्रस्तुत करता है, जो एक स्ट्रैटेजी-अवेयर फ्रेमवर्क है जो डेटा निर्माण और सुपरवाइज्ड फाइन-ट्यूनिंग एवं सेगमेंट-वेटेड GRPO के माध्यम से पोस्ट-ट्रेनिंग में मॉडलिंग रणनीतियों को स्पष्ट रूप से शामिल करता है, जिससे आठ बेंचमार्क में ऑटोमेटेड ऑप्टिमाइज़ेशन मॉडलिंग के दौरान लार्ज लैंग्वेज मॉडल्स की सटीकता, विविधता और सॉल्वर दक्षता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र यह प्रदर्शित करता है कि आवर्ती गहन सुदृढीकरण शिक्षण (recurrent deep reinforcement learning) नीतियां, जो LSTM जैसे स्मृति तंत्रों को शामिल करती हैं, आंशिक अवलोकनशीलता के तहत कीमोथेरेपी खुराक को अनुकूलित करने में मानक फीड-फॉरवर्ड दृष्टिकोणों की तुलना में अधिक स्थिर ट्यूमर दमन और बेहतर सामान्य-कोशिका संरक्षण प्राप्त करके काफी बेहतर प्रदर्शन करती हैं।
यह शोध पत्र बर्नस्टीन लीनियर यूनिट (BerLU) को प्रस्तुत करता है, जो एक नवीन सक्रियण फलन (activation function) है जो विभिन्न आर्किटेक्चर में डीप न्यूरल नेटवर्क के प्रदर्शन को बेहतर बनाने के लिए मौजूदा गैर-रेखीय फलनों के एक विभेदनीय (differentiable), गणनात्मक रूप से कुशल और स्थिर विकल्प के रूप में बर्नस्टीन बहुपदों का लाभ उठाता है।
यह अध्ययन दस विभिन्न प्रकार की भाषाओं में डिपेंडेंसी पार्सिंग आर्किटेक्चर का मूल्यांकन करता है और पाता है कि जहाँ ट्रांसफॉर्मर मॉडल प्रचुर डेटा के साथ उत्कृष्ट प्रदर्शन करते हैं, वहीं सरल बाइएफिन (Biaffine) एलएसटीएम (LSTM) कम-संसाधन वाले क्षेत्रों में, विशेष रूप से रूपात्मक रूप से जटिल अफ्रीकी भाषाओं के लिए, तब तक लगातार उनसे बेहतर प्रदर्शन करता है जब तक कि पर्याप्त एनोटेटेड डेटा उपलब्ध न हो जाए।
यह अध्ययन 14 स्वीडिश क्षेत्रों के 17 वर्षों के आर्काइव किए गए नियमित नमूनों में प्रोस्टेट कैंसर ग्रेडिंग के लिए ग्लिसनएआई (GleasonAI) एंड-टू-एंड मॉडल की मजबूती और सामान्यीकरण क्षमता की पुष्टि करता है, जो अनुभवी रोगविज्ञानी (पैथोलॉजिस्ट) के समान प्रदर्शन और कैंसर-विशिष्ट मृत्यु दर के लिए एक महत्वपूर्ण प्रोग्नोस्टिक ग्रेडिएंट प्रदर्शित करता है।
ViewSAM एक कमजोर रूप से पर्यवेक्षित (weakly supervised) दो-चरणीय ढांचे का प्रस्ताव करता है जो फाउंडेशन मॉडल को छद्म-लेबल जनरेटर (pseudo-label generators) के रूप में उपयोग करता है और केवल मोटे वस्तु श्रेणी लेबल का उपयोग करके अत्याधुनिक क्रॉस-व्यू संदर्भित मल्टी-ऑब्जेक्ट ट्रैकिंग प्राप्त करने के लिए एक व्यू-अवेयर क्रॉस-मोडल मॉडल पेश करता है।