28999 पेपर
यह अध्ययन प्रदर्शित करता है कि HOG फीचर्स को एक फाइन-ट्यून्ड InceptionResNet-v2 नेटवर्क से निकाले गए डीप फीचर्स के साथ संयोजित करने से LC25000 डेटासेट पर हिस्टोपैथोलॉजिकल इमेज क्लासिफिकेशन की सटीकता और शोर (noise) के प्रति मजबूती में महत्वपूर्ण सुधार होता है।
यह शोध पत्र व्यापक रूप से उपयोग किए जाने वाले विजन-लैंग्वेज-एक्शन (VLA) डेटासेट्स का एक व्यवस्थित ऑडिट प्रस्तुत करता है, जो यह प्रकट करता है कि वे मुख्य रूप से सीमित भाषाई विविधता वाले दोहरावपूर्ण, टेम्पलेट जैसे निर्देशों पर निर्भर हैं, जिससे भाषा के कवरेज को व्यापक बनाने के लिए अधिक सिद्धांतवादी डेटासेट क्यूरेशन और रिपोर्टिंग की आवश्यकता पर बल मिलता है।
यह शोध पत्र नैदानिक निर्णय सहायता के लिए विभिन्न ओपन-सोर्स ऑन-डिवाइस लार्ज लैंग्वेज मॉडल्स का बेंचमार्किंग और अनुकूलन करता है, यह प्रदर्शित करते हुए कि वे बेहतर गोपनीयता और संसाधन दक्षता प्रदान करते हुए, विशेष रूप से फाइन-ट्यूनिंग के माध्यम से संवर्धित होने पर, अत्याधुनिक प्रोप्रायटरी मॉडल्स के तुलनीय या उनसे अधिक नैदानिक सटीकता प्राप्त कर सकते हैं।
MemRec एक सहयोगात्मक स्मृति-संवर्धित एजेंटिक अनुशंसा प्रणाली (collaborative memory-augmented agentic recommender system) है जो एक हल्के भाषा मॉडल का उपयोग करके गतिशील सहयोगात्मक स्मृति ग्राफ को संश्लेषित करके मेमोरी प्रबंधन को तर्क से अलग करती है, जिससे एक भारी भाषा मॉडल (heavyweight LLM) को संदर्भ अधिभार (context overload) और शोर से बचते हुए अत्याधुनिक अनुशंसाएँ उत्पन्न करने में सक्षम बनाया जा सके।
यह शोध पत्र ReCreate को प्रस्तुत करता है, जो एक अनुभव-संचालित ढांचा (framework) है जो 'एजेंट-एज़-ऑप्टिमाइज़र' प्रतिमान के माध्यम से इंटरेक्शन इतिहास का लाभ उठाकर डोमेन-विशिष्ट एजेंटों को स्वचालित रूप से उत्पन्न और अनुकूलित करता है, और मानव-निर्मित एवं मौजूदा स्वचालित विधियों दोनों से बेहतर प्रदर्शन करता है।
यह शोध पत्र Fast-ULCNet को प्रस्तुत करता है, जो एक अनुकूलित सिंगल-चैनल स्पीच एन्हांसमेंट मॉडल है जो ULCNet के GRU परतों को FastGRNNs से बदल देता है और स्टेट ड्रिफ्टिंग को कम करने के लिए एक ट्रेन करने योग्य कॉम्प्लीमेंट्री फ़िल्टर का उपयोग करता है, जिससे मॉडल के आकार को आधे से अधिक कम करते हुए और लेटेंसी को 34% घटाते हुए अत्याधुनिक (state-of-the-art) प्रदर्शन के तुलनीय परिणाम प्राप्त होते हैं।
यह शोध पत्र MGSM-Pro प्रस्तुत करता है, जो GSM-Symbolic बेंचमार्क का एक बहुभाषी विस्तार है जो कई अंक-परिवर्तित इंस्टेंशिएशन (digit-varying instantiations) उत्पन्न करके नौ भाषाओं में गणितीय तर्क संबंधी सुदृढ़ता का मूल्यांकन करता है, जिससे कम-संसाधन वाली भाषाओं में प्रदर्शन में महत्वपूर्ण गिरावट और ऐसे व्यवधानों के प्रति मॉडलों की भिन्न लचीलापन का पता चलता है।
यह शोध पत्र एक अंतर्विषयक ढांचे और एक तीन-स्तरीय वर्गीकरण (आकलन, हस्तक्षेप और सूचना संश्लेषण) का प्रस्ताव करके मानसिक स्वास्थ्य में एआई के वर्तमान खंडित और नैदानिक रूप से असंगत मूल्यांकन की आलोचना करता है ताकि यह सुनिश्चित किया जा सके कि भविष्य के आकलन नैदानिक वैधता, सामाजिक संदर्भ, समानता और उपयोगकर्ता अनुभव को प्राथमिकता दें।
यह शोध पत्र DCD को प्रस्तुत करता है, जो एक अपघटन-आधारित (decomposition-based) कारण खोज ढांचा (causal discovery framework) है जो लक्षित कारण विश्लेषण करने के लिए बहुभिन्नरूपी समय श्रृंखला (multivariate time series) को रुझान (trend), मौसमी (seasonal) और अवशेष (residual) घटकों में अलग करता है, जिससे मौजूदा विधियों की तुलना में गैर-स्थिर (non-stationary) और ऑटोकोरिलेटेड (autocorrelated) डेटा में कारण संरचना पुनर्प्राप्ति की सटीकता और व्याख्यात्मकता में सुधार होता है।
यह शोध पत्र यह स्थापित करता है कि जहाँ एकल-परत रैखिक स्व-ध्यान (single-layer linear self-attention) मल्टी-मोडल इन-कॉन्टेक्स्ट लर्निंग के लिए बेयज़-इष्टतम प्रदर्शन प्राप्त करने में विफल रहता है, वहीं एक नवीन रैखिकीकृत क्रॉस-अटेंशन तंत्र (linearized cross-attention mechanism) का उपयोग करने वाला एक गहरा आर्किटेक्चर ग्रेडिएंट फ्लो के माध्यम से प्रशिक्षित होने पर प्रमाणित रूप से इष्टतम है।