28108 पेपर
ज़ेनब्रेन (ZenBrain) एक तंत्रिका विज्ञान-प्रेरित, सात-परतीय स्मृति संरचना है जो स्वायत्त एआई के लिए पंद्रह विशिष्ट एल्गोरिदम—जिसमें समेकन, विस्मृति और न्यूरोमॉड्यूलेशन के लिए नवीन घटक शामिल हैं—का उपयोग करती है, जो स्थिरता, पुनर्प्राप्ति सटीकता और कम्प्यूटेशनल दक्षता में मौजूदा फ्लैट-मेमोरी सिस्टम की तुलना में काफी बेहतर प्रदर्शन करती है।
यह शोध पत्र MUSIC प्रस्तुत करता है, जो एक पदानुक्रमित (hierarchical), डेटा-संचालित ढांचा है जो सुदृढीकरण लर्निंग-आधारित (reinforcement learning-based) मांसपेशी ट्रैकिंग को VAE-डिस्टिल्ड लेटेंट कोऑर्डिनेशन के साथ जोड़ता है ताकि एक शारीरिक रूप से प्रशंसनीय, भौतिकी-आधारित मस्कुलोस्केलेटल हैंड मॉडल को अत्याधुनिक सटीकता और बायोमैकेनिकल स्थिरता के साथ नवीन पियानो रचनाओं को करने में सक्षम बनाया जा सके।
यह शोध पत्र एक नवीन एंड-टू-एंड पाइपलाइन का प्रस्ताव करता है जो लेटेंट स्पेस इन्वर्जन के दौरान टेंजेंट स्पेस के बीच पेयरवाइज दूरियों को बनाए रखने वाले ज्योमेट्री-प्रिजर्विंग लॉस फंक्शन्स का उपयोग करके ब्लैकबॉक्स जेनरेटिव मॉडल्स को नए डोमेन में अनुकूलित करता है।
यह शोध पत्र एक LLM-संवर्धित ट्रैफ़िक सिग्नल नियंत्रण ढांचे का प्रस्ताव करता है जो गतिशील ट्रैफ़िक परिदृश्यों में अनुकूलन क्षमता और व्याख्यात्मकता को बढ़ाने के लिए सुरक्षा-प्रतिबंधित निर्णय सहायता के साथ LSTM-आधारित ट्रैफ़िक अवस्था भविष्यवाणी को एकीकृत करता है, जबकि शून्य परिचालन उल्लंघनों को सुनिश्चित करता है।
यह शोध पत्र प्रदर्शित करता है कि पूर्णतः जनरेटिव सिंथेटिक डेटा मॉडल अक्सर औसत उपचार प्रभाव (ATE) जैसे कारण अनुमानों (causal estimands) को संरक्षित करने में विफल रहते हैं और एक हाइब्रिड फ्रेमवर्क का प्रस्ताव करता है जो कारण निष्ठा (causal fidelity) सुनिश्चित करने और कारण अनुमान के लिए मजबूत निदान प्रदान करने के लिए कोवेरिएट, उपचार और परिणाम पीढ़ी को अलग करता है।
यह शोध पत्र ग्राफ न्यूरल नेटवर्क और एक्सपैंडर ग्राफ का उपयोग करते हुए एक न्यूरल कॉम्बिनेटरियल ऑप्टिमाइज़ेशन दृष्टिकोण प्रस्तुत करता है, जो वांछित स्टोइकीओमेट्री (stoichiometry) को बनाए रखते हुए एक डिस्क्रीट ग्रिड पर परमाणु विन्यासों को कुशलतापूर्वक नमूनाकरण (sampling) करके क्रिस्टल संरचना भविष्यवाणी को त्वरित करता है।
यह शोधपत्र एजेंटिक एआई (agentic AI) की दो विशिष्ट प्लेटफार्मों को स्वायत्त रूप से संचालित करने की क्षमता को प्रदर्शित करता है: एक जो मानव-मानव और वायरस-मानव प्रोटीन-प्रोटीन इंटरैक्शन के लिए उच्च-सटीकता वाले भविष्य कहनेवाला मशीन लर्निंग मॉडल बनाता है, और दूसरा जो उन मॉडलों के निष्कर्षों के अनुरूप व्याख्या योग्य, मानव-पठनीय नियम प्रेरित करता है।
GAMED.AI एक पदानुक्रमित बहु-एजेंट फ्रेमवर्क है जो चरण-आधारित LangGraph सब-ग्राफ, नियतात्मक क्वालिटी गेट्स और संरचित Pydantic स्कीमा का लाभ उठाकर, प्रशिक्षक द्वारा प्रदान किए गए प्रश्नों को उच्च अनुपालन और महत्वपूर्ण लागत दक्षता के साथ शैक्षणिक रूप से मान्य शैक्षिक खेलों में स्वचालित रूप से परिवर्तित करता है।
यह शोध पत्र KOMBO को प्रस्तुत करता है, जो कोरियाई पूर्व-प्रशिक्षित भाषा मॉडलों के लिए एक नवीन ढांचा है जो ऐतिहासिक *हुनमिनजियोंगुम* में परिभाषित हंगेउल उप-पात्रों के अद्वितीय संयोजन नियमों का लाभ उठाता है, और कोरियाई भाषा की भाषाई विशेषताओं को बेहतर ढंग से पकड़कर कई प्राकृतिक भाषा समझ कार्यों पर मौजूदा अत्याधुनिक मॉडलों से बेहतर प्रदर्शन करता है।
DecompKAN एक हल्का, अटेंशन-मुक्त टाइम सीरीज़ फोरकास्टिंग आर्किटेक्चर है जो प्रतिस्पर्धी भविष्यवाणात्मक सटीकता प्राप्त करने के लिए ट्रेंड-रेसिड्यूअल डिकंपोजिशन और बी-स्प्लाइन कोलमोगोरोव-आर्नोल्ड नेटवर्क्स (KAN) का उपयोग करता है, साथ ही निरीक्षण योग्य, विज़ुअलाइज़्ड एज फंक्शन्स के माध्यम से मॉडल पारदर्शिता प्रदान करता है।