25254 पेपर
यह शोध पत्र ट्रांसफॉर्मर-आधारित एजेंटिक रिकमेंडर्स का सैद्धांतिक विश्लेषण करता है ताकि चार विशिष्ट पूर्वाग्रह चैनलों—पोजीशनल (positional), लोकप्रियता (popularity), लेटेंट ड्राइवर (latent driver), और सिंथेटिक डेटा (synthetic data) पूर्वाग्रहों—की पहचान की जा सके जो उपयोगकर्ता के एक्सपोजर और पसंद को व्यवस्थित रूप से विकृत कर सकते हैं, जो उन महत्वपूर्ण विश्वसनीयता जोखिमों को उजागर करते हैं जो मानक प्रदर्शन मेट्रिक्स में छिपे रह सकते हैं।
यह शोध पत्र DeepTutor को प्रस्तुत करता है, जो एक ओपन-सोर्स, एजेंट-नेटिव फ्रेमवर्क है जो अनुकूलित, व्यक्तिगत शिक्षण अनुभव प्रदान करने के लिए एक हाइब्रिड पर्सनलाइजेशन इंजन और एक क्लोज्ड ट्यूटरिंग लूप का उपयोग करता है, जिसे नए छात्र-केंद्रित TutorBench बेंचमार्क द्वारा प्रमाणित किया गया है।
AgenticRecTune एक लार्ज लैंग्वेज मॉडल्स द्वारा संचालित मल्टी-एजेंट फ्रेमवर्क है जो विशिष्ट एजेंटों को कॉन्फ़िगरेशन प्रस्तावित करने, फ़िल्टर करने और मान्य करने के लिए समन्वयित करके तथा डोमेन-विशिष्ट अंतर्दृष्टि को कैप्चर करने के लिए एक स्किल रिपॉजिटरी को निरंतर विकसित करके जटिल, बहु-चरणीय अनुशंसा प्रणालियों (रेकमेंडेशन सिस्टम्स) के एंड-टू-एंड अनुकूलन को स्वचालित करता है।
यह शोध पत्र Horn DL ऑन्टोलॉजीज़ (विशेष रूप से bottom concept के साथ या उसके बिना EL और ELI) को ABox और Boolean क्वेरी उदाहरणों में फिट करने की कम्प्यूटेशनल जटिलता की जांच करता है, जो सिमुलेशन के माध्यम से फिटिंग ऑन्टोलॉजीज़ के अस्तित्व को अभिलक्षणिक बनाता है और यह स्थापित करता है कि यह समस्या atomic queries के लिए PTime से लेकर conjunctive और union queries के लिए क्रमशः -complete या ExpTime-complete तक विस्तृत है।
यह शोध पत्र एक द्वि-स्तरीय, वरीयता-आधारित अर्थपूर्ण ढांचे का प्रस्ताव करता है जो डिफ़ॉल्ट (defeasible) सशर्त दायित्वों को मॉडल करने के लिए गैर-मोनोटोनिक तर्क (nonmonotonic reasoning) के साथ हान्सन-लुईस शैली के द्वयिक कर्तव्यशास्त्र (dyadic deontic logic) का विस्तार करता है, जिसमें पूर्व कमियों को दूर करने और बाधित इनपुट/आउटपुट तर्क के साथ संबंध स्थापित करने के लिए विशिष्ट आदर्श और सामान्य विश्व क्रमों का उपयोग किया गया है।
यह शोध पत्र ऊर्जा-कुशल मल्टीबिट न्यूरल इन्फरेंस (neural inference) को प्रदर्शित करने के लिए मल्टी-स्टेट मैग्नेटिक टनल जंक्शनों का उपयोग करके एन-री क्रॉसबार आर्किटेक्चर (N-ary crossbar architectures) के लिए एक सिमुलेशन फ्रेमवर्क प्रस्तुत करता है, जो 94.48% MNIST सटीकता प्राप्त करता है और साथ ही वेट क्वांटाइजेशन (weight quantization) को प्राथमिक त्रुटि स्रोत के रूप में पहचानता है तथा कुल मैट्रिक्स-वेक्टर गुणन त्रुटि को कम करने के लिए सेल अवस्थाओं की इष्टतम संख्या निर्धारित करता है।
यह शोध पत्र पीपल-सेंटर्ड मेडिकल इमेज एनालिसिस (PecMan) प्रस्तुत करता है, जो एक मानव-एआई ढांचा है जो नैदानिक अंगीकरण की बाधाओं को दूर करने के लिए नए FairHAI बेंचमार्क द्वारा समर्थित, नैदानिक कार्यभार की सीमाओं के तहत नैदानिक सटीकता, विविध आबादी में निष्पक्षता और वर्कफ़्लो एकीकरण को संयुक्त रूप से अनुकूलित करता है।
यह अध्ययन प्रदर्शित करता है कि एंट्रॉपी-संचालित टेम्पोरल बायोमार्कर (entropy-driven temporal biomarkers), संवादात्मक गतिशीलता के, अवसाद का पता लगाने में स्थिर ध्वनिक विशेषताओं (static acoustic features) की तुलना में काफी बेहतर प्रदर्शन करते हैं, जो यह सुझाव देता है कि औसत सिग्नल स्तरों के बजाय भाषण के उतार-चढ़ाव की जटिलता अधिक नैदानिक मूल्य रखती है।
यह शोध पत्र \textsc{FairMind} को प्रस्तुत करता है, जो एक स्वचालित उपकरण है जो डेटासेट पर सुदृढ़, काउंटरफैक्चुअल-आधारित निष्पक्षता विश्लेषण करने और सटीक ज़ीरो-शॉट रिपोर्ट उत्पन्न करने के लिए कारण निष्पक्षता मान्यताओं (causal fairness assumptions) और बड़े भाषा मॉडलों का लाभ उठाता है।
NORACl संतृप्ति संकेतों (saturation signals) के आधार पर एक न्यूरल नेटवर्क की वास्तुकला को गतिशील रूप से बढ़ाकर निरंतर शिक्षण (continual learning) में स्थिरता-प्लास्टिसिटीता दुविधा (stability-plasticity dilemma) को संबोधित करता है, जिससे कम पैरामीटर्स का उपयोग करते हुए और व्याख्या योग्य विकास पैटर्न प्रदान करते हुए ऑरेकल-आकार के स्थिर मॉडलों के तुलनीय या बेहतर प्रदर्शन प्राप्त होता है।