28108 पेपर
यह शोध पत्र "सिमेट्रिक इक्विलिब्रियम प्रोपेगेशन" (Symmetric Equilibrium Propagation) का प्रस्ताव करता है, जो एक स्थानीय, ऊर्जा-कुशल प्रशिक्षण पद्धति है जो एनालॉग सबस्ट्रेट्स को ग्रेडिएंट बायस को कम करने के लिए सिमेट्रिक नजिंग (symmetric nudging) का उपयोग करके सीधे ऑन-चिप डिफ्यूजन मॉडल को प्रशिक्षित करने की अनुमति देती है, जिससे जीपीयू (GPU) की तुलना में से गुना अनुमानित ऊर्जा लाभ प्राप्त होता है।
यह शोध पत्र "रिकवरेबिलिटी मैप्स" (recoverability maps) प्रस्तुत करता है, जो अत्यधिक दृश्य कोणों (viewing angles) के तहत लाइसेंस प्लेट पहचान की सीमाओं को मापने के लिए सघन सिंथेटिक डिग्रेडेशन स्वीप्स (dense synthetic degradation sweeps) को बाउंड्री एरिया-अंडर-करव (boundary area-under-curve) और रिलायबिलिटी स्कोर के साथ संयोजित करने वाली एक कार्य-अज्ञेय (task-agnostic) विधि है, जो यह प्रकट करती है कि सेंसिंग ज्योमेट्री (sensing geometry), न कि रेस्टोरेशन आर्किटेक्चर (restoration architecture), रिकवरी सफलता को मुख्य रूप से निर्धारित करती है।
यह शोध पत्र Query2Diagram प्रस्तुत करता है, जो एक फाइन-ट्यून्ड एलएलएम (LLM) दृष्टिकोण है जो पारंपरिक रिवर्स इंजीनियरिंग टूल की सीमाओं को दूर करने के लिए प्राकृतिक भाषा वाले डेवलपर प्रश्नों से अर्थपूर्ण रूप से केंद्रित यूएमएल (UML) आरेख उत्पन्न करता है, जिससे प्रासंगिक कोड तत्वों के संरचनात्मक रूप से सुदृढ़ और संदर्भ-जागरूक विज़ुअलाइज़ेशन प्राप्त होते हैं।
यह शोधपत्र एक विधि प्रस्तावित करता है जो भाषा मॉडलों के स्पार्स ऑटोएन्कोडर फीचर्स को एक सख्त अवधारणा ब्रह्मांड (concept universe) का निर्माण करके और स्वचालित लेबलिंग के साथ संरेखित सह-घटन (co-occurrence) एवं तंत्र ग्राफ (mechanism graphs) बनाकर, संरचित, डोमेन-फ़िल्टर्ड नॉलेज ग्राफ में रूपांतरित करता है, जिससे फ्लैट फीचर इन्वेंट्रीज़ को मॉडल ज्ञान के व्याख्यात्मक वैश्विक मानचित्रों में परिवर्तित किया जा सके ताकि तर्क की सत्यनिष्ठा (reasoning faithfulness) का ऑडिट किया जा सके।
यह शोध पत्र जॉब शॉप शेड्यूलिंग के लिए एक स्केलेबल सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) ढांचे का प्रस्ताव करता है जो रैखिक जटिलता प्राप्त करने के लिए फीचर-आधारित ग्राफ होमोजेनाइज़ेशन का उपयोग करता है और बड़े पैमाने की औद्योगिक समस्याओं में मजबूत, ज़ीरो-शॉट सामान्यीकरण सक्षम करने के लिए एक "स्ट्रक्चरल सैचुरेशन" प्रशिक्षण रणनीति का लाभ उठाता है।
यह अध्ययन इस बात का मूल्यांकन करता है कि विभिन्न एआई (AI) सहायता उपकरण गैर-नेटिव वक्ताओं को अंग्रेजी नवोन्मेषी शब्दों (neologisms) को सीखने और उपयोग करने में कैसे सहायता करते हैं, जिसमें यह पाया गया है कि एआई-जनित स्पष्टीकरण अन्य तरीकों की तुलना में संचारत्मक दक्षता में महत्वपूर्ण सुधार करते हैं, हालांकि शिक्षार्थियों के कथित और वास्तविक प्रदर्शन के साथ-साथ शिक्षार्थी और मूल वक्ता के लेखन के बीच एक अंतर बना हुआ है।
ClawTrace एक लागत-जागरूक (cost-aware) ट्रेसिंग प्लेटफॉर्म पेश करता है जो विस्तृत TraceCards उत्पन्न करता है ताकि CostCraft डिस्टिलेशन पाइपलाइन को सक्षम बनाया जा सके, जो सफल व्यवहारों को संरक्षित करते हुए महंगे और अनावश्यक चरणों की लक्षित छंटनी के माध्यम से LLM एजेंट लागतों को प्रभावी ढंग से 32% तक कम करता है।
यह शोध पत्र एक व्यवस्थित मूल्यांकन ढांचा और एक क्यूरेटेड डेटासेट प्रस्तुत करता है जो यह प्रकट करता है कि अत्याधुनिक ऑडियो-विजुअल भाषा मॉडल ईगोसेंट्रिक वीडियो समझ में महत्वपूर्ण ऑडियो मतिभ्रम (हैलुसिनेशन) से ग्रस्त हैं, जो अक्सर वास्तविक ऑडियो के बजाय दृश्य संकेतों से ध्वनियों का अनुमान लगाते हैं, जिससे मल्टीमॉडल प्रणालियों में मजबूत विश्वसनीयता मूल्यांकन की महत्वपूर्ण आवश्यकता पर प्रकाश पड़ता है।
यह शोध पत्र CIFAR-10 बेंचमार्क पर एक अनुभवजन्य एब्लेशन अध्ययन प्रस्तुत करता है जो CNN सामान्यीकरण (generalization) में सुधार के लिए इष्टतम प्रशिक्षण और स्थापत्य संशोधनों की पहचान करता है, जो अंततः सर्वोत्तम प्रदर्शन करने वाले विन्यासों के एक भारित समूह (weighted ensemble) के माध्यम से 89.23% सटीकता प्राप्त करता है और यह प्रदर्शित करता है कि हाइपरपैरामीटर और संरचनात्मक विकल्पों का सावधानीपूर्वक चयन, मॉडल की जटिलता को अंधाधुंध बढ़ाने की तुलना में अधिक प्रभावी है।
यह शोधपत्र सिमुलेशन-आधारित अनुमान (simulation-based inference) का उपयोग करके सिंथेटिक तंत्रिका गतिविधि (synthetic neural activity) से भाषाई उद्दीपन गुणों को पुनः प्राप्त करके "ब्रेन फाउंडेशन मॉडल्स" को "इनवर्ट" करने के लिए एक प्रूफ-ऑफ-कॉन्सेप्ट प्रदर्शित करता है, जो यह सुझाव देता है कि इन मॉडल्स का उपयोग मस्तिष्क संकेतों को डिकोड करने और नियंत्रणीय उद्दीपनों के इनवर्स डिज़ाइन (inverse design) दोनों के लिए किया जा सकता है।