21046 पेपर
लार्ज कैंसर असिस्टेंट (LCA) एक मॉडल-अज्ञेय ऑर्केस्ट्रेशन फ्रेमवर्क है जो एक मानकीकृत मध्यवर्ती पेलोड के माध्यम से मल्टीमॉडल डेटा अंतर्ग्रहण को एआई अनुमान से अलग करता है, जिससे ऑन्कोलॉजी में स्केलेबल, लचीला और विफलता-सुरक्षित नैदानिक निर्णय समर्थन सक्षम होता है।
यह शोध पत्र इंडिक एनएलपी (Indic NLP) के ऐतिहासिक विकास का सर्वेक्षण करके, अद्वितीय संरचनात्मक चुनौतियों का विश्लेषण करके, और अधिक न्यायसंगत एवं सांस्कृतिक रूप से अर्थपूर्ण फाउंडेशन मॉडल्स विकसित करने के लिए हर्मेन्यूटिक तर्क (hermeneutic reasoning) पर आधारित एक "कल्चर सेंसिंग" (Culture Sensing) अनुसंधान दिशा प्रस्तावित करके, भारत की भाषाई और सांस्कृतिक विरासत पर एआई (AI) के दोहरे प्रभाव का परीक्षण करता है।
यह शोध पत्र ग्राफ कॉन्वोल्यूशनल अटेंशन (GCA) प्रस्तुत करता है, जो एक स्पेक्ट्रल परिप्रेक्ष्य से व्युत्पन्न एक नवीन तंत्र है जो औसत स्पेक्ट्रल फ़िल्टरिंग की सीमाओं को दूर करने के लिए इनपुट ग्राफ स्पेक्ट्रा का अनुकूल रूप से लाभ उठाकर ग्राफ डिनोइजिंग और डिफ्यूजन में मानक लीनियर अटेंशन से बेहतर प्रदर्शन करता है।
यह शोध पत्र JaxMARL को प्रस्तुत करता है, जो एक ओपन-सोर्स पायथन लाइब्रेरी है जो JAX का लाभ उठाकर GPU-त्वरित, बड़े पैमाने पर समानांतर मल्टी-एजेंट सुदृढीकरण शिक्षण (multi-agent reinforcement learning) वातावरण और एल्गोरिदम प्रदान करती है, जो मौजूदा दृष्टिकोणों की तुलना में महत्वपूर्ण गति प्राप्त करती है और स्टारक्राफ्ट मल्टी-एजेंट चैलेंज (StarCraft Multi-Agent Challenge) का एक लचीला, इंजन-मुक्त पुनर्रचना प्रदान करती है।
यह शोध पत्र ग्राफ यूनिटरी मैसेज पासिंग (GUMP) प्रस्तुत करता है, जो इनपुट ग्राफ को यूलेरियन लाइन-ग्राफ में बदलकर यूनिटरी प्रोपेगेशन को सक्षम करने के लिए, गहरे ग्राफ न्यूरल नेटवर्क को स्थिर करता है, जिससे घातांकीय सिग्नल क्षय (exponential signal decay) को रोका जा सकता है और लॉन्ग-रेंज एवं मानक ग्राफ बेंचमार्क पर प्रदर्शन में सुधार किया जा सकता है।
DrugAgent एक विश्वसनीय मल्टी-एजेंट सिस्टम है जो मशीन लर्निंग, नॉलेज ग्राफ और लिटरेचर रिट्रीवल से विषम और अक्सर विरोधाभासी बायोमेडिकल साक्ष्यों को एकीकृत करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे ड्रग-टारगेट इंटरेक्शन के आकलन में उच्च निष्ठा और जैविक संभाव्यता प्राप्त होती है।
यह शोध पत्र नैदानिक और सामाजिक विशेषताओं का उपयोग करके स्ट्रोक के जोखिम की भविष्यवाणी करने में न्यूरल नेटवर्क (डेंस और कन्वोल्यूशनल) और लॉजिस्टिक रिग्रेशन मॉडल की प्रभावशीलता की तुलना करता है, जिसका उद्देश्य फॉल्स नेगेटिव्स (गलत नकारात्मक परिणामों) को कम करने के लिए सबसे सटीक दृष्टिकोण की पहचान करना है।
यह शोध पत्र Cleverest प्रस्तुत करता है, जो एक फीडबैक-निर्देशित, ज़ीरो-शॉट LLM फ्रेमवर्क है जो रिग्रेशन टेस्ट जनरेशन को मशीन ट्रांसलेशन के रूप में फ्रेम करता है ताकि कमिट संदेशों से प्रभावी टेस्ट केस तेजी से तैयार किए जा सकें, और यह पाता है कि यह दो मिनट से भी कम समय में उतने बग्स ढूंढ लेता है जितने स्टेट-ऑफ-द-आर्ट फज़र्स 24 घंटों में ढूंढते हैं और जब इसे सीड कॉर्पस के रूप में उपयोग किया जाता है तो यह आगे के फज़िंग की प्रभावशीलता को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र एक नवीन व्हाइट-बॉक्स एडवरसैरियल अटैक पद्धति प्रस्तुत करता है जो मैकेनिस्टिक इंटरप्रिटेबिलिटी का लाभ उठाकर एम्बेडिंग्स को रिफ्यूज़ल (अस्वीकृति) से एक्सेप्टेंस (स्वीकृति) सबस्पेस में पहचानने और पुनरनिर्देशित करने का कार्य करती है, जिससे मौजूदा तकनीकों की तुलना में काफी कम कम्प्यूटेशनल लागत के साथ अत्याधुनिक एलएलएम (LLMs) पर उच्च जेलब्रेक सफलता दर प्राप्त होती है।
यह शोध पत्र एक न्यूरो-सिम्बोलिक ढांचे का प्रस्ताव करता है जो मल्टी-इंस्टेंस पार्शियल लेबल लर्निंग के सिमेंटिक्स को औपचारिक रूप देने के लिए इंडक्टिव लॉजिक प्रोग्रामिंग को एकीकृत करता है, जिससे अस्पष्ट सुपरविजन सिग्नल्स के बारे में संरचित तर्क और सरल सटीकता मेट्रिक्स से परे सिमेंटिक विफलता मोड का निदान सक्षम होता है।