25186 पेपर
यह शोध पत्र ARC-AGI-2 विजुअल पहेलियों को हल करने के लिए टेस्ट-टाइम-ट्रेनिंग और प्रोडक्ट्स ऑफ एक्सपर्ट्स जैसी टेस्ट-टाइम फाइन-ट्यूनिंग तकनीकों से उन्नत एक TinyLM-आधारित दृष्टिकोण प्रस्तुत करता है, जिसने मूल्यांकन सेट पर 21.7% सटीकता प्राप्त की है।
यह शोधपत्र एक्टिवेशन स्टीयरिंग में होने वाले संपार्श्विक क्षति (collateral damage) को कम करने के लिए एक सिद्धांत-आधारित ढांचे को प्रस्तुत करता है, जिसे एक प्रतिबन्धित अनुकूलन समस्या (constrained optimization problem) के रूप में तैयार किया गया है जो एक्टिवेशन के फीचर दिशाओं में व्यवधानों की गैर-समान लागतों को एक्टिवेशन के अनुभवजन्य द्वितीय-क्षण आव्यूह (empirical second-moment matrix) का उपयोग करके ध्यान में रखता है।
रंभा (Rhamba) रेस्टिंग-स्टेट fMRI के लिए एक नवीन स्व-पर्यवेक्षित प्रीट्रेनिंग फ्रेमवर्क है जो व्याख्यात्मकता और स्केलेबिलिटी के बीच संतुलन बनाते हुए स्किज़ोफ्रेनिया और ADHD वर्गीकरण में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए शारीरिक रूप से निर्देशित मास्किंग को हाइब्रिड अटेंशन-मैम्बा आर्किटेक्चर के साथ एकीकृत करता है।
यह शोध पत्र मल्टी-बीएस मल्टी-आरआईएस पिंचिंग-एंटीना प्रणालियों में बेस स्टेशन-यूज़र एसोसिएशन, पिंचिंग एंटीना प्लेसमेंट, आरआईएस फेज शिफ्ट्स और ट्रांसमिट बीमफॉर्मिंग को संयुक्त रूप से अनुकूलित करने के लिए एक अनसुपरवाइज्ड, थ्री-स्टेज ग्राफ न्यूरल नेटवर्क दृष्टिकोण प्रस्तावित करता है, जो मौजूदा बेसलाइनों की तुलना में बेहतर स्पेक्ट्रल और एनर्जी एफिशिएंसी, अनदेखे नेटवर्क स्केल्स के प्रति मजबूत सामान्यीकरण और मिलीसेकंड-स्तर का इन्फरेंस प्रदर्शित करता है।
यह शोध पत्र SiNFluD प्रस्तुत करता है, जो विविध स्रोतों से निर्मित और मूल भाषियों द्वारा एनोटेट किया गया सिंधी आलंकारिक भाषा वर्गीकरण के लिए एक नया बेंचमार्क डेटासेट है, साथ ही विभिन्न प्री-ट्रेंड मॉडलों का एक मूल्यांकन भी प्रस्तुत करता है जहाँ XLM-RoBERTa-XL ने सर्वश्रेष्ठ प्रदर्शन किया।
यह शोध पत्र PROCO को प्रस्तुत करता है, जो एक मॉडल-आधारित ऑफलाइन सुरक्षित सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो प्राकृतिक भाषा ज्ञान को एक रूढ़िवादी लागत फलन (conservative cost function) में स्थापित करने के लिए बड़े भाषा मॉडलों का लाभ उठाता है, जिससे काउंटरफैक्चुअल असुरक्षित नमूनों का निर्माण और उन मामलों में भी सुरक्षित नीतियों को सीखना सक्षम होता है जहाँ प्रशिक्षण डेटा में देखे गए उल्लंघन मौजूद नहीं होते हैं।
यह शोध पत्र MU-SHOT-Fi का प्रस्ताव करता है, जो एक सोर्स-फ्री अनसुपरवाइज्ड डोमेन अडैप्टेशन फ्रेमवर्क है जो परम्यूटेशन-इनवेरिएंट सेट प्रेडिक्शन, ऑक्यूपेंसी-वेटेड इंफॉर्मेशन मैक्सिमाइजेशन और स्पेशियल सेल्फ-सुपरविजन का लाभ उठाता है ताकि बिना किसी लेबल वाले टार्गेट डेटा के विविध वातावरणों में सुदृढ़ मल्टी-यूज़र वाई-फाई गतिविधि पहचान को सक्षम बनाया जा सके।
यह शोध पत्र FoCore को पेश करता है, जो डिफ्यूजन लार्ज लैंग्वेज मॉडल्स के लिए एक प्रशिक्षण-मुक्त डिकोडिंग रणनीति है, जो उच्च-सूचना-घनत्व वाले टोकन के शीघ्र अभिसरण (early convergence) का स्व-तुलना (self-contrast) के माध्यम से लाभ उठाती है ताकि जनरेशन की गुणवत्ता में सुधार और इन्फरेंस गति में तेजी लाने को एक साथ प्राप्त किया जा सके।
यह शोध पत्र Verbal-R3 को प्रस्तुत करता है, जो एक नवीन एजेंटिक RAG फ्रेमवर्क है जो एक 'वर्बल रीरैंकर' (Verbal Reranker) का उपयोग करके रिट्रीवल और रीजनिंग के बीच के अंतर को पाटता है ताकि विश्लेषणात्मक आख्यान (Verbal Annotations) उत्पन्न किए जा सकें जो क्वेरी और रिट्रीव्ड कॉन्टेक्स्ट के बीच तार्किक संबंधों को स्पष्ट रूप से व्यक्त करते हैं, जिससे जटिल प्रश्नोत्तर बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोधपत्र मेडमार्क्स (Medmarks) का परिचय देता है, जो 30 विविध चिकित्सा कार्यों और 61 मूल्यांकित मॉडलों से युक्त एक व्यापक ओपन-सोर्स बेंचमार्क सुइट है, जो यह प्रकट करता है कि अत्याधुनिक रीजनिंग मॉडल सटीकता और टोकन दक्षता में अन्य मॉडलों से बेहतर प्रदर्शन करते हैं, साथ ही छोटे मॉडलों की उत्तर-क्रम पूर्वाग्रह (answer-order bias) के प्रति संवेदनशीलता को भी उजागर करता है।