28108 पेपर
Pref-CTRL एक नवीन टेस्ट-टाइम अलाइनमेंट फ्रेमवर्क है जो मानव प्राथमिकता डेटा की संरचना को बेहतर ढंग से कैप्चर करने के लिए डिज़ाइन किए गए मल्टी-ऑब्जेक्टिव वैल्यू फंक्शन का उपयोग करके मौजूदा रिप्रेजेंटेशन-एडिटिंग विधियों में सुधार करता है।
यह शोध पत्र प्रदर्शित करता है कि नेत्र संबंधी मेट्रिक्स, विशेष रूप से पुतली का व्यास और स्थिरीकरण अवधि (fixation duration), 0.894 के उच्च F1 स्कोर के साथ बाएं और दाएं मस्तिष्क गोलार्ध की गतिविधियों को प्रभावी ढंग से वर्गीकृत कर सकते हैं, जो संज्ञानात्मक निगरानी और न्यूरोरिहैबिलिटेशन में उनके उपयोग की क्षमता का सुझाव देते हैं।
CyberCane एक न्यूरो-सिम्बोलिक फ्रेमवर्क है जो अत्यधिक सटीक, व्याख्या योग्य और नियामक-अनुपालक फिशिंग डिटेक्शन प्रदान करने के लिए नियत सिम्बोलिक नियमों को गोपनीयता-संरक्षण रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) और औपचारिक ऑन्टोलॉजी रीजनिंग के साथ जोड़ता है, जो उन्नत AI-जनित हमलों की पहचान करने में सक्षम है।
CAPSULE एक सुरक्षित सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो एक ऑफलाइन सेटिंग में संभाव्य नियंत्रण-समान (control-affine) गतिकी मॉडल सीखता है और जटिल प्रणालियों में सुरक्षित अन्वेषण सुनिश्चित करने के लिए ऑनलाइन, बाधा-आधारित क्रिया सुधार हेतु अनिश्चितता-जागरूक कंट्रोल बैरियर फंक्शन्स (CBFs) का निर्माण करने के लिए इसका उपयोग करता है।
यह शोधपत्र भौतिकी-जागरूक प्रतीकात्मक सिमुलेशन (physics-aware symbolic simulation) के मूल्यांकन के लिए एक नया बेंचमार्क, PhysCodeBench पेश करता है, और एक सेल्फ-करेक्टिव मल्टी-एजेंट रिफाइनमेंट फ्रेमवर्क (SMRF) प्रस्तावित करता है जो प्राकृतिक भाषा के भौतिक विवरणों और निष्पादन योग्य 3D सिमुलेशन के बीच के अंतर को पाटने के लिए विशिष्ट एजेंटों का उपयोग करके मौजूदा मॉडलों की तुलना में काफी बेहतर प्रदर्शन करता है।
FinGround एक तीन-चरणीय "सत्यापन-फिर-आधारित" (verify-then-ground) पाइपलाइन है जिसे LLMs में वित्तीय मतिभ्रम (financial hallucinations) को कम करने के लिए डिज़ाइन किया गया है, जो उत्तरों को परमाणु दावों (atomic claims) में विभाजित करता है, विशेष सत्यापन रणनीतियों (अंकगणितीय पुन: गणना सहित) को लागू करता है, और सटीक उद्धरण प्रदान करता है, जिससे अंततः GPT-4o की तुलना में त्रुटियों में 78% की कमी आती है।
यह शोध पत्र पार्टीशन-ऑफ-यूनिटी गॉसियन कोलोग्मोरोव-आर्नो नेटवर्क (PU-GKAN) प्रस्तुत करता है, जो एक नवीन आर्किटेक्चर है जो शेपर्ड-प्रकार के सामान्यीकरण (Shepard-type normalization) का उपयोग करके पार्टीशन-ऑफ-यूनिटी फीचर मैप बनाने द्वारा RBF-आधारित KANs को स्थिर करता है, जिसके परिणामस्वरूप बेहतर सटीकता, बेहतर स्थिरता और हाइपरपैरामीटर चयन के प्रति कम संवेदनशीलता प्राप्त होती है।
यह शोध पत्र **DxChain** का प्रस्ताव करता है, जो एक नवीन नैदानिक तर्क ढांचा (clinical reasoning framework) है जो इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड को संसाधित करने में नैदानिक सटीकता में सुधार करने और मतिभ्रम (hallucinations) को कम करने के लिए एक "प्रोफाइल-देन-प्लान" प्रतिमान (paradigm), एक मेडिकल ट्री-ऑफ-थॉट्स एल्गोरिदम, और एक प्रतिकूल "एंजेल-डेविल" बहस तंत्र के माध्यम से एक चिकित्सक की संज्ञानात्मक प्रक्रिया की नकल करता है।
यह लेख Tandem को पेश करता है, जो एक सहयोगात्मक ढांचा है जिसमें एक लार्ज लैंग्वेज मॉडल एक रणनीतिक समन्वयक के रूप में कार्य करता है ताकि महत्वपूर्ण अंतर्दृष्टि उत्पन्न की जा सके जो एक छोटे और अधिक कुशल मॉडल को पूर्ण तर्क निष्पादित करने में मार्गदर्शन करती है, जिससे गणितीय तर्क और कोड जनरेशन जैसे कार्यों में उच्च प्रदर्शन बनाए रखते हुए कम्प्यूटेशनल लागत को लगभग 40% कम किया जा सकता है।
उद्योग के पेशेवरों के साथ 33 साक्षात्कारों के माध्यम से, यह शोध पत्र "एक्स्पेक्टेशंस मैनेजमेंट" (EM) को प्रस्तुत करता है, जो एक ऐसा मॉडल है जो पारंपरिक विश्वास सिद्धांतों से आगे बढ़कर यह स्पष्ट करता है कि कैसे डिज़ाइनर स्मार्ट-होम एआई के लिए उपयोगकर्ता की अपेक्षाओं को आकार देते समय नैतिक और सांस्कृतिक तनावों का प्रबंधन करते हैं।