26898 पेपर
यह शोधपत्र OMEGA को प्रस्तुत करता है, जो एक एंड-टू-एंड फ्रेमवर्क है जो संरचित मेटा-प्रॉम्ट इंजीनियरिंग को निष्पादन योग्य कोड जनरेशन के साथ जोड़कर AI अनुसंधान को स्वचालित करता है ताकि ऐसे नवीन मशीन लर्निंग क्लासिफायर बनाए जा सकें जो 20 बेंचमार्क डेटासेट पर scikit-learn बेसलाइन्स से बेहतर प्रदर्शन करते हैं।
यह शोध पत्र "सीकिंग कंसेंसस" (SeeCo) का प्रस्ताव करता है, जो एक प्लग-एंड-प्ले, प्रशिक्षण-मुक्त ढांचा है जो ज्यामितीय और अर्थपूर्ण सर्वसम्मति (geometric and semantic consensus) के माध्यम से मॉडलों को ऑन-द-फ्लाई गतिशील रूप से पुन: अंशांकित करके ओपन-वोकेबुलरी रिमोट सेंसिंग सिमेंटिक सेगमेंटेशन को बढ़ाता है ताकि दृश्य-विशिष्ट अस्पष्टताओं को हल किया जा सके और फोरग्राउंड एक्टिवेशन में सुधार किया जा सके।
यह शोध पत्र विभिन्न गुणवत्ता वाले कानूनी अधिवक्ताओं द्वारा किए जाने वाले अनुनय के प्रति फ्रंटियर लार्ज लैंग्वेज मॉडल्स (LLMs) की संवेदनशीलता की जांच करता है, जिसमें इस बात के प्रयोगात्मक परिणाम प्रस्तुत किए गए हैं कि तर्क प्रस्तुतिकरण मॉडल के निर्णयों को कैसे प्रभावित करता है और कानूनी निर्णय लेने वाले के रूप में LLMs को तैनात करने के निहितार्थों का आकलन किया गया है।
यह अध्ययन गणित ट्यूटरिंग लॉग का विश्लेषण करने के लिए अप्रीओरी (Apriori) एल्गोरिदम का उपयोग करता है, जो यह प्रकट करता है कि सीखी गई लाचारी (learned helplessness) के स्तर व्यवहारिक पैटर्न को महत्वपूर्ण रूप से प्रभावित करते हैं, जहाँ उच्च-लाचारी वाले छात्र बिना संकेत के समस्याओं को छोड़ने और अनसुलझे परिणामों के बीच मजबूत जुड़ाव प्रदर्शित करते हैं, जबकि निम्न-लाचारी वाले छात्र दृढ़ता, संकेतों के उपयोग और सफल समस्या समाधान के बीच अधिक सकारात्मक संबंध प्रदर्शित करते हैं।
TimeMM एक समय-सशर्त स्पेक्ट्रल फ़िल्टरिंग ढांचा है जो इंटरैक्शन की नवीनता (recency) को अनुकूली एज रीवेटिंग (adaptive edge reweighting), मोडैलिटी-विशिष्ट रूटिंग (modality-specific routing) और विविधता नियमितीकरण (diversity regularization) के लिए पैरामीट्रिक टेम्पोरल कर्नेल में मैप करके मल्टीमॉडल अनुशंसा की गैर-स्थिर गतिशीलता को संबोधित करता है, जिससे यह रैखिक-समय स्केलेबिलिटी (linear-time scalability) के साथ अत्याधुनिक विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र MCLAHE प्रीप्रोसेसिंग को एक कोर्स-टू-फाइन (coarse-to-fine) सेगमेंटेशन पाइपलाइन के साथ जोड़कर, 3D लेट गैडोलिनियम-एन्हांस्ड एमआरआई से सटीक बाय-एट्रियल (bi-atrial) सेगमेंटेशन प्राप्त करने के लिए V-Net परिवार के मॉडलों और एसिमेट्रिक लॉस का उपयोग करते हुए एक मल्टी-स्टेज फ्रेमवर्क प्रस्तुत करता है।
MedSynapse-V एक नवीन ढांचा है जो लेटेंट मेमोरी इवोल्यूशन के माध्यम से क्लिनिशियन की अनुभवात्मक स्मृति का अनुकरण करके चिकित्सा दृश्य निदान को बढ़ाता है, जिसमें टोकनाइजेशन की सीमाओं को दूर करने और नैदानिक सटीकता में मौजूदा अत्याधुनिक विधियों से काफी बेहतर प्रदर्शन करने के लिए मेटा क्वेरी फॉर प्रायर मेमोराइजेशन, कॉज़ल काउंटरफैक्चुअल रिफाइनमेंट और इंट्रिंसिक मेमोरी ट्रांज़िशन जैसी तंत्रों का उपयोग किया गया है।
यह शोध पत्र CheXthought को प्रस्तुत करता है, जो एक बड़े पैमाने का वैश्विक मल्टीमॉडल डेटासेट है जिसमें 71 देशों के 501 रेडियोलॉजिस्ट द्वारा 1,00,000 से अधिक चेइन-ऑफ-थॉट रीजनिंग ट्रेसेस और 66 लाख विजुअल अटेंशन एनोटेशन शामिल हैं, जो मौजूदा विजन-लैंग्वेज मॉडल्स की तुलना में चेस्ट एक्स-रे व्याख्या के लिए तथ्यात्मक सटीकता, मतिभ्रम (hallucination) में कमी और मॉडल की व्याख्यात्मकता में महत्वपूर्ण सुधार प्रदर्शित करता है।
DreamProver एक एजेंटिक फ्रेमवर्क है जो पुन: प्रयोज्य लेम्मा (lemma) की एक संक्षिप्त, हस्तांतरणीय लाइब्रेरी को इटरेटिव रूप से विकसित करने के लिए "वेक-स्लीप" प्रोग्राम इंडक्शन प्रतिमान (paradigm) का उपयोग करता है, जिससे औपचारिक प्रमेय प्रमाणन (formal theorem proving) में सफलता दर, संक्षिप्तता और कम्प्यूटेशनल दक्षता में महत्वपूर्ण सुधार होता है।
STLGT एक स्केलेबल ट्रेस-आधारित लीनियर ग्राफ ट्रांसफार्मर है जो स्पैन ग्राफ के रूप में ट्रेसेस को एनकोड करके और लंबी दूरी की निर्भरताओं (long-range dependencies) तथा नॉन-स्टेशनरी वर्कलोड्स को कुशलतापूर्वक मॉडल करने के लिए एक स्ट्रक्चर-अवेयर लीनियर अटेंशन मैकेनिज्म का उपयोग करके माइक्रोसर्विसेज में एंड-टू-एंड टेल लेटेंसी का सटीक अनुमान लगाता है, जो मौजूदा तरीकों की तुलना में बेहतर सटीकता और काफी तेज़ इन्फरेंस प्राप्त करता है।