25631 पेपर
GeoMind एक नवीन टूल-ऑगमेंटेड एजेंटिक फ्रेमवर्क है जो लिथोलॉजी वर्गीकरण को एक स्थिर मैपिंग कार्य से बदलकर धारणा (perception), तर्क (reasoning) और विश्लेषण (analysis) मॉड्यूल के समन्वय के माध्यम से एक क्रमिक, साक्ष्य-आधारित तर्क प्रक्रिया में परिवर्तित कर देता है, जो उत्कृष्ट सटीकता और भूवैज्ञानिक व्याख्यात्मकता प्राप्त करने के लिए सूक्ष्म प्रक्रिया पर्यवेक्षण का उपयोग करता है।
यह शोध पत्र एजेंट-आधारित साइबर-फिजिकल एनर्जी सिस्टम्स में ऑब्जर्वर्स और कंट्रोलर्स के लिए आर्किटेक्चर वेरिएंट्स का प्रस्ताव और मूल्यांकन करता है जो गोपनीयता, नियमों और डेटा विनिमय आवश्यकताओं द्वारा लगाए गए महत्वपूर्ण सूचना पहुंच और क्रिया सीमाओं का पालन करते हुए मजबूत, नियंत्रित स्व-संगठन को सक्षम करते हैं।
यह शोध पत्र एक एआई स्टार्टअप के भीतर एक इनसाइडर एक्शन रिसर्च अध्ययन प्रस्तुत करके यूरोपीय संघ के एआई अधिनियम (EU AI Act) को लागू करने की "लास्ट माइल" चुनौती को संबोधित करता है, जो नियामक आवश्यकताओं को व्यवहार में अनुवादित करने के लिए एक लीगल-टेक्स्ट-टू-एक्शन पाइपलाइन और विशेषज्ञ सहयोग का उपयोग करता है, जिससे यह पता चलता है कि अभ्यासकर्ता शासन के साथ अधिक वास्तविक रूप से जुड़ने के लिए अधिक इच्छुक होते हैं जब वे इसे प्रशासनिक ओवरहेड के बजाय विकास प्राथमिकताओं और उपयोगकर्ता सुरक्षा के अनुरूप देखते हैं।
यह शोध पत्र एक नवीन न्यूरल नेटवर्क संभाव्य सत्यापन ढांचा प्रस्तावित करता है जो रिग्रेशन ट्री-आधारित स्टेट स्पेस उपविभाजन, बाउंड्री-अवेयर सैंपलिंग, और संभाव्यता प्राथमिकता के साथ पुनरावृत्ति परिशोधन को जोड़कर सुरक्षित संभाव्यता के लिए गारंटीकृत श्रेणियों की कुशलतापूर्वक गणना करता है, जो ACAS Xu और एक रॉकेट लैंडर कंट्रोलर जैसे बेंचमार्क पर अत्याधुनिक विधियों की तुलना में बेहतर सटीकता और दक्षता प्रदर्शित करता है।
यह शोध पत्र HAF-DS का प्रस्ताव करता है, जो एक हाइब्रिड AI फ्रेमवर्क है जो अस्थिर टेक्सटाइल और PPE आपूर्ति श्रृंखलाओं में पूर्वानुमान सटीकता में सुधार करने और परिचालन लागत को कम करने के लिए LSTM-आधारित मांग पूर्वानुमान को मिक्सड इंटीजर लीनियर प्रोग्रामिंग ऑप्टिमाइज़ेशन के साथ एकीकृत करता है।
यह शोधपत्र DryRUN को प्रस्तुत करता है, जो एक मल्टी-एजेंट फ्रेमवर्क है जो मानव-प्रदत्त सार्वजनिक परीक्षण मामलों (public test cases) पर निर्भरता को समाप्त करता है, जिससे LLMs को स्व-सुधार के लिए इनपुट उत्पन्न करने और निष्पादन ट्रेस (execution traces) को स्वायत्त रूप से सिम्युलेट करने में सक्षम बनाया जाता है, जिससे टोकन की खपत को कम करते हुए और अति-आत्मविश्वास को कम करते हुए अत्याधुनिक प्रदर्शन (state-of-the-art performance) प्राप्त किया जा सके।
यह शोध पत्र पारेटो (Pareto), वैश्विक (global) और पूर्णता-इष्टतम (completion-optimal) सुधारों का उपयोग करके प्राथमिकता वाले डेटा की विसंगति-सहनशील पूछताछ के लिए एक ASP(Q)-आधारित ढांचे को प्रस्तुत और कार्यान्वित करता है, जो उनके कम्प्यूटेशनल जटिलता और व्यावहारिक व्यवहार्यता का विश्लेषण करते हुए वैश्विक-इष्टतम और ग्राउंडेड अर्थों (grounded semantics) के लिए पहले सिस्टम प्रदान करता है।
यह शोध पत्र वर्बल प्रोसेस सुपरविजन (VPS) को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त ढांचा है जो एक अधिक शक्तिशाली पर्यवेक्षक से प्राप्त संरचित प्राकृतिक-भाषा आलोचनाओं का लाभ उठाकर एक पुनरावृत्ति जनरेट-क्रिटिक-रिफाइन लूप को निर्देशित करता है, जो आलोचना की सूक्ष्मता (granularity) को इन्फरेंस-टाइम स्केलिंग के एक नए अक्ष के रूप में स्थापित करके विविध बेंचमार्क पर तर्क प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह शोधपत्र प्रदर्शित करता है कि हल्के (लाइटवेट) n-ग्राम मॉडल, विशेष रूप से जब उन्हें एक प्रस्तावित "प्रमोशन" एन्सेम्बल एल्गोरिदम द्वारा उन्नत किया जाता है जो सक्रिय मॉडलों के बीच गतिशील रूप से चयन करता है, तो वे इवेंट-लॉग प्रेडिक्शन के लिए न्यूरल आर्किटेक्चर के तुलनीय या उससे बेहतर सटीकता प्राप्त करते हैं, जबकि वे बेहतर स्थिरता और काफी कम कम्प्यूटेशनल लागत भी प्रदान करते हैं।
यह शोधपत्र डिकोडर-ओनली ट्रांसफॉर्मर में एक रिप्रजेंटेशनल कोलैप्स (representational collapse) की पहचान और समाधान करता है, जहाँ अनदेखे टोकन के अनएम्बेडिंग्स (unembeddings) समान वेक्टर्स की ओर अभिसरित हो जाते हैं, जिससे प्रतीकात्मक तर्क सामान्यीकरण (symbolic reasoning generalization) में विफलता उत्पन्न होती है, और इस सीमा को दूर करने के लिए आर्किटेक्चरल संशोधनों, डेटा विविधता और एम्बेडिंग रिसेट रणनीतियों के संयोजन का प्रस्ताव करता है।