20568 पेपर
विशेषज्ञों के साथ गुणात्मक साक्षात्कारों के माध्यम से, यह शोध पत्र निष्कर्ष निकालता है कि जबकि XAI विधियाँ AI विकास के दौरान पूर्वाग्रहों और विफलताओं की पहचान करने के लिए मूल्यवान हैं, पूर्ण प्रणाली संबंधी जानकारी प्रदान करने में व्याख्यात्मकता (explainability) की अंतर्निहित सीमाओं के कारण सुरक्षित AI के व्यापक प्रमाणन के लिए उनकी उपयोगिता सीमित रहने की उम्मीद है।
यह शोध पत्र यह तर्क देता है कि हालांकि पूर्वानुमान सहायता प्रणालियों (Forecasting Support Systems) में एल्गोरिदम की पारदर्शिता हानिकारक पूर्वानुमान समायोजनों को कम कर सकती है, लेकिन पर्याप्त प्रशिक्षण के बिना उपयोगकर्ताओं को पारदर्शी घटकों को सीधे संशोधित करने की अनुमति देने से हानिकारक परिणाम और कम संतुष्टि होती है, जो यह सुझाव देता है कि उचित मार्गदर्शन के बिना केवल पारदर्शिता अपर्याप्त है।
यह शोध पत्र MultiSim को प्रस्तुत करता है, जो स्वायत्त ड्राइविंग प्रणालियों के लिए सिम्युलेटर-अज्ञेय (simulator-agnostic) विफलता परिदृश्यों को प्राथमिकता देने और पहचानने के लिए सिम्युलेटर के एक समूह (ensemble) का लाभ उठाने वाला एक खोज-आधारित परीक्षण दृष्टिकोण है, जो एकल-सिम्युलेटर या स्वतंत्र बहु-सिम्युलेटर परीक्षण विधियों की तुलना में काफी उच्च प्रभावशीलता और दक्षता प्रदर्शित करता है।
यह शोध पत्र एक नवीन ब्लॉकचेन सर्वसम्मति तंत्र का प्रस्ताव करता है जो पूर्ण या क्रमिक सर्वसम्मति प्राप्त करने के लिए एक संरचित, बहु-चरणीय विचार-विमर्श प्रक्रिया में तर्कसंगत एजेंटों के रूप में लार्ज लैंग्वेज मॉडल्स (LLMs) का उपयोग करता है, जिससे मुख्य ब्लॉकचेन गुणों को बनाए रखते हुए और प्रतिकूल चुनौतियों का समाधान करते हुए जटिल निर्णय लेने के लिए अनुकूलन क्षमता को बढ़ाया जा सके।
यह शोध पत्र डायरेक्ट प्रेफरेंस ऑप्टिमाइजेशन (Direct Preference Optimization) के लिए एक नवीन द्वि-आयामी कठिनाई ढांचे का प्रस्ताव करता है, जो GSP-Curri-DPO पद्धति को पेश करता है जो मॉडलों को बेहतर डेटा दक्षता और सुदृढ़ता के साथ अत्याधुनिक संरेखण (alignment) प्राप्त करने के लिए प्रॉम्प्ट जटिलता और युग्मवार विशिष्टता (pairwise distinguishability) के ग्रिड में स्वायत्त रूप से नेविगेट करने में सक्षम बनाता है।
यह शोध पत्र तर्क देता है कि कारण संबंधी अमूर्तीकरण (causal abstraction) का सिद्धांत यह समझने के लिए एक सुदृढ़ ढांचा प्रदान करता है कि प्रणालियाँ निरूपणों (representations) पर गणनाओं को कैसे कार्यान्वित करती हैं, विशेष रूप से सामान्यीकरण और भविष्यवाणी के दृष्टिकोणों के माध्यम से संज्ञानात्मक क्षेत्र के शास्त्रीय दार्शनिक विषयों को समकालीन डीप लर्निंग से जोड़कर।
यह शोध पत्र MultiFair को प्रस्तुत करता है, जो एक नवीन मल्टीमॉडल मेडिकल क्लासिफिकेशन फ्रेमवर्क है जो डेटा मोडैलिटी और ग्रुप दोनों स्तरों पर प्रशिक्षण ग्रेडिएंट्स को गतिशील रूप से समायोजित करके मोडैलिटी लर्निंग असंतुलन और जनसांख्यिकीय निष्पक्षता के मुद्दों को एक साथ संबोधित करने के लिए ड्यूल-लेवल ग्रेडिएंट मॉड्यूलेशन का उपयोग करता है।
MSRNet एक नवीन मल्टी-स्केल रिकर्सिव नेटवर्क है जो जटिल परिदृश्यों में छोटे और कई छलावरण वाले (camouflaged) ऑब्जेक्ट्स का पता लगाने में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए पिरामिड विजन ट्रांसफॉर्मर बैकबोन, विशिष्ट अटेंशन-आधारित इंटीग्रेशन यूनिट्स और एक रिकर्सिव-फीडबैक डिकोडिंग रणनीति का लाभ उठाता है।
यह शोध पत्र LLM इन्फरेंस (inference) के लिए पांच आवर्ती समस्याग्रस्त कोडिंग अभ्यासों को औपचारिक रूप देकर 'LLM कोड स्मेल्स' (code smells) की अवधारणा प्रस्तुत करता है, उन्हें पहचानने के लिए SpecDetect4AI टूल का विस्तार करता है, और 200 ओपन-सोर्स सिस्टम के अध्ययन के माध्यम से यह प्रदर्शित करता है कि ये स्मेल्स उच्च पहचान सटीकता के साथ ऐसे 60% से अधिक सिस्टम को प्रभावित करते हैं।
यह शोध पत्र SwinIFS को प्रस्तुत करता है, जो एक लैंडमार्क-गाइडेड स्विन ट्रांसफॉर्मर फ्रेमवर्क है जो अत्यधिक अपस्केलिंग कारकों के तहत भी श्रेष्ठ पहचान-संरक्षण वाले फेस सुपर-रिज़ॉल्यूशन को प्राप्त करने के लिए चेहरे के लैंडमार्क्स के डेंस गौसियन हीटमैप्स को पदानुक्रमित अटेंशन मैकेनिज्म के साथ एकीकृत करता है।