25255 पेपर
यह योगदान स्पीच-टू-टेक्स्ट मॉडलों में कंट्रास्टिव स्पष्टीकरण (contrastive explanations) उत्पन्न करने की पहली विधि प्रस्तुत करता है, जो यह विश्लेषण करती है कि इनपुट स्पेक्ट्रोग्राम फीचर्स वैकल्पिक आउटपुट के बीच चयन को कैसे प्रभावित करते हैं, और स्पीच ट्रांसलेशन में जेंडर असाइनमेंट पर एक केस स्टडी के माध्यम से उनकी प्रभावशीलता को प्रदर्शित करता है।
यह शोध पत्र AInstein को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो यह प्रदर्शित करता है कि जबकि बड़े भाषा मॉडल केवल पैरामीट्रिक ज्ञान का उपयोग करके पुनरावृत्त परिशोधन (iterative refinement) के माध्यम से 70% से अधिक एआई अनुसंधान समस्याओं को स्वायत्त रूप से हल कर सकते हैं, वे एक "पैरामीट्रिक ज्ञान सीमा" द्वारा सीमित रहते हैं जो क्रॉस-डोमेन एनालॉजिकल ट्रांसफर को बाधित करती है और शायद ही कभी विशिष्ट प्रकाशित समाधानों की पुनर्खोज करने की ओर ले जाती है।
यह शोध पत्र STEER को प्रस्तुत करता है, जो सत्यापन योग्य पुरस्कारों (RLVR) के साथ सुदृढीकरण शिक्षण (Reinforcement Learning) के लिए एक सिद्धांतगत एंट्रॉपी-मॉड्यूलेशन विधि है, जो टोकन-स्तरीय एंट्रॉपी परिवर्तनों के लिए एक सैद्धांतिक ढांचा व्युत्पन्न करके और गणितीय एवं कोडिंग बेंचमार्क में मौजूदा ह्यूरिस्टिक हस्तक्षेपों से बेहतर प्रदर्शन करने के लिए टोकन को अनुकूल रूप से पुन: भारित (reweighting) करके एंट्रॉपी पतन (entropy collapse) को संबोधित करता है।
यह शोध पत्र मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) इकोसिस्टम का पहला क्रॉस-एंटिटी सुरक्षा अध्ययन प्रस्तुत करता है, जो सार्वजनिक रजिस्ट्रियों में व्यापक कमजोरियों को उजागर करता है जो सर्वर हाइजैकिंग और LLM रीजनिंग हेरफेर की अनुमति देते हैं, और इन मेटाडेटा और कोड-स्तर के खतरों का पता लगाने के लिए MCPInspect को पेश करता है।
यह शोध पत्र GISP को प्रस्तुत करता है, जो एक वैश्विक पुनरावृत्ति संरचित प्रूनिंग (iterative structured pruning) विधि है जो अटेंशन हेड्स और MLP चैनलों को कुशलतापूर्वक हटाने के लिए प्रथम-क्रम हानि-आधारित महत्व स्कोर (first-order loss-based importance scores) को एकत्रित करती है, जिससे यह उच्च विरलता स्तरों (high sparsity levels) पर सटीकता को स्थिर करने और मध्यवर्ती फाइन-ट्यूनिंग के बिना कार्य-विशिष्ट अनुकूलन को सक्षम करने में पारंपरिक स्थानीय प्रतिमानों (local paradigms) से बेहतर प्रदर्शन करती है।
UltraGS एक रियल-टाइम फ्रेमवर्क है जो स्पष्ट रेडिएंस फील्ड्स को एक भौतिकी-प्रेरित ध्वनिक ऑपरेटर और डेप्थ-अवेयर प्रिमिटिव्स के साथ एकीकृत करके अल्ट्रासाउंड नोवेल व्यू सिंथेसिस के लिए गॉसियन स्प्लेटिंग को अनुकूलित करता है, जिससे एक नए जारी किए गए क्लिनिकल डेटासेट पर अत्याधुनिक प्रदर्शन और दक्षता प्राप्त होती है।
यह शोध पत्र एक भौतिकी-सूचित न्यूरल नेटवर्क (PINN) ढांचे का प्रस्ताव करता है जो नॉनलीनियर आउटपुट रेगुलेशन के लिए रेगुलेटर समीकरणों के समाधान का सीधे अनुमान लगाता है, जिससे हेलीकॉप्टर सिंक्रोनाइज़ेशन कार्य द्वारा प्रदर्शित विभिन्न एक्सोसिस्टम मापदंडों में सामान्यीकृत होने वाले स्टेडी-स्टेट मैनिफोल्ड्स और फीडफॉरवर्ड इनपुट्स के वास्तविक समय में, डेटा-मुक्त अनुमान की क्षमता सक्षम होती है।
OmniAlpha एक एकीकृत मल्टी-टास्क सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो इमेज मैटिंग और लेयर डिकंपोजिशन जैसे विविध कार्यों में बेहतर पारदर्शिता-जागरूक पीढ़ी और हेरफेर प्राप्त करने के लिए एक अल्फा-अवेयर VAE और एक डिफ्यूजन ट्रांसफार्मर को लेयर-अवेयर रिवार्ड्स के साथ एकीकृत करता है, जो विशेष उपकरणों और मानक पर्यवेक्षित फाइन-ट्यूनिंग बेसलाइन दोनों से बेहतर प्रदर्शन करता है।
यह अध्ययन इस बात की जांच करता है कि कैसे स्पीच ट्रांसलेशन मॉडल वक्ता-संदर्भित शब्दों को व्याकरणिक लिंग आवंटित करते हैं, यह प्रकट करते हुए कि जबकि आंतरिक भाषा मॉडल एक पुरुष प्रधान पूर्वाग्रह प्रदर्शित करते हैं, उच्च-प्रदर्शन वाले मॉडल ध्वनिक संकेतों (acoustic cues) और एक नवीन तंत्र का उपयोग करके इसे ओवरराइड कर सकते हैं जो केवल पिच के बजाय वितरित आवृत्ति स्पेक्ट्रम जानकारी के माध्यम से प्रथम-पुरुष सर्वनामों को लिंग-निर्धारित शब्दों से जोड़ता है।
यह शोध पत्र AOI का प्रस्ताव करता है, जो एक नवीन मल्टी-एजेंट फ्रेमवर्क है जो क्लाउड-नेटिव इंफ्रास्ट्रक्चर की जटिलता को प्रभावी ढंग से प्रबंधित करने के लिए डायनेमिक टास्क शेड्यूलिंग और एक पदानुक्रमित मेमोरी कंप्रेशन आर्किटेक्चर का लाभ उठाता है, जिससे परिचालन ओवरहेड को कम करते हुए कॉन्टेक्स्ट रिटेंशन, टास्क सक्सेस रेट और मीन टाइम टू रिपेयर में महत्वपूर्ण सुधार होता है।