21046 पेपर
यह समीक्षा इस बात का परीक्षण करती है कि कैसे वर्ड एम्बेडिंग्स से लेकर उन्नत ट्रांसफार्मर और हायना मॉडल्स तक, नेचुरल लैंग्वेज प्रोसेसिंग तकनीकों को जैविक अंतर्दृष्टि प्राप्त करने और जीवन प्रक्रियाओं की हमारी समझ को आगे बढ़ाने के लिए जीनोमिक, ट्रांसक्रिप्टोमिक और प्रोटिओमिक डेटा का विश्लेषण करने हेतु अनुकूलित किया जाता है।
यह शोधपत्र FuseMamba-VD का प्रस्ताव करता है, जो एक कुशल द्विशाखीय (dual-branch) VideoMamba आर्किटेक्चर है जिसमें गेटेड क्लास टोकन फ्यूजन का उपयोग किया गया है, जो स्टेट-स्पेस मॉडल बैकबोन के माध्यम से सटीकता और कम्प्यूटेशनल दक्षता को प्रभावी ढंग से संतुलित करके कई बेंचमार्क पर अत्याधुनिक हिंसा पहचान प्रदर्शन प्राप्त करता है।
यह शोध पत्र एन्सेम्बल इलास्टिक डीक्यूएन (EEDQN) को प्रस्तुत करता है, जो एक वैल्यू-बेस्ड सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) एल्गोरिदम है जो ओवरएस्टिमेशन बायस (अति-आकलन पूर्वाग्रह) को प्रभावी ढंग से कम करने और कई मिनाटार (MinAtar) वातावरणों में बेहतर प्रदर्शन प्राप्त करने के लिए एडेप्टिव इलास्टिक मल्टी-स्टेप रिटर्न्स को होराइजन-डिपेंडेंट एन्सेम्बल एग्रीगेशन के साथ संयोजित करता है।
यह शोधपत्र Active-MoSH को प्रस्तुत करता है, जो एक संवादात्मक ढांचा (interactive framework) है जो स्थानीय संभाव्य वरीयता शिक्षण (local probabilistic preference learning) को वैश्विक संवेदनशीलता विश्लेषण (global sensitivity analysis) के साथ जोड़ता है ताकि उच्च-दांव वाले बहु-उद्देश्यीय समस्याओं में निर्णयकर्ताओं को सॉफ्ट और हार्ड सीमाओं के भीतर समाधानों को पुन: परिष्कृत करते हुए कुशलतापूर्वक निर्देशित किया जा सके, साथ ही यह सुनिश्चित किया जा सके कि बेहतर विकल्पों की अनदेखी न हो।
यह शोधपत्र कॉन्टेक्स्ट ट्यूनिंग (Context Tuning) को प्रस्तुत करता है, जो एक वेट-फ्री (weight-free) विधि है जो इन-कॉन्टेक्स्ट लर्निंग के माध्यम से प्रदर्शनों (demonstrations) से एक प्रशिक्षण योग्य मेमोरी प्रतिनिधित्व को इनिशियलाइज़ करके और तत्पश्चात ग्रेडिएंट-आधारित अनुकूलन के माध्यम से इसे परिष्कृत करके बड़े भाषा मॉडलों में फ्यू-शॉट अनुकूलन को बढ़ाता है, जिससे यह मानक इन-कॉन्टेक्स्ट और प्रॉम्प्ट-आधारित दृष्टिकोणों से बेहतर प्रदर्शन करता है और उच्च दक्षता के साथ टेस्ट-टाइम ट्रेनिंग के साथ प्रतिस्पर्धी सटीकता प्राप्त करता है।
यह शोध पत्र एक उन्नत न्यूरल लॉजिक नेटवर्क फ्रेमवर्क प्रस्तुत करता है जो विशेष रूप से चिकित्सा और औद्योगिक अनुप्रयोगों में टैबुलर वर्गीकरण के लिए व्याख्या योग्य तार्किक नियमों की खोज करने हेतु स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त करने के लिए NOT ऑपरेशन्स, बायस और एक नवीन फैक्टराइज्ड IF-THEN नियम संरचना को समाहित करता है।
यह शोध पत्र DynamixSFT का प्रस्ताव करता है, जो एक गतिशील और स्वचालित विधि है जो समस्या को प्रायर-स्केल्ड बोल्ट्ज़मैन एक्सप्लोरेशन (Prior-scaled Boltzmann Exploration) और 1-स्टेप लुक-अहेड रिवॉर्ड (1-Step Look-ahead Reward) के साथ एक मल्टी-आर्म्ड बैंडिट (multi-armed bandit) के रूप में फ्रेम करके इंस्ट्रक्शन-ट्यूनिंग डेटासेट मिश्रणों को अनुकूलित करती है, जो न्यूनतम कम्प्यूटेशनल ओवरहेड के साथ कई बेंचमार्क पर मॉडल के प्रदर्शन को प्रभावी रूप से बढ़ाती है।
EyeMulator एक मॉडल-अज्ञेय (model-agnostic) विधि है जो मानव आई-ट्रैकिंग डेटा को सिमेंटिक सैलिएंस (semantic salience) और गेज़-ट्रांज़िशन प्रायर्स (gaze-transition priors) में आसवित (distill) करके कोड लैंग्वेज मॉडल्स को बेहतर बनाती है ताकि टोकन-स्तरीय प्रशिक्षण लॉस को पुन: भारित (reweight) किया जा सके, जिसके परिणामस्वरूप विभिन्न मॉडल्स और कार्यों में निरंतर प्रदर्शन सुधार प्राप्त होता है।
यह शोध पत्र एक उत्पादन सिनक्रोट्रॉन लाइट सोर्स (production synchrotron light source) में तैनात पहले भाषा-मॉडल-संचालित एजेंटिक एआई (language-model-driven agentic AI) सिस्टम प्रस्तुत करता है जो प्राकृतिक भाषा के प्रॉम्प्ट्स को सुरक्षित, ऑडिट योग्य और पुनरुत्पादक वर्कफ़्लो में अनुवाद करके जटिल, बहु-चरणीय भौतिकी प्रयोगों को स्वायत्त रूप से निष्पादित करता है, जिससे ऑपरेटर सुरक्षा बाधाओं का कड़ाई से पालन करते हुए तैयारी के समय में दो-क्रम का (two-order-of-magnitude) ઘટાड़ा गया है।
यह शोध पत्र सतत विकास लक्ष्यों (SDG) की ओर विशिष्ट प्रगति या प्रतिगमन को निर्धारित करने के लिए 'एसडीजी पोलैरिटी डिटेक्शन' (SDG polarity detection) के नवीन कार्य को प्रस्तुत करता है, जो SDG-POD बेंचमार्क डेटासेट पेश करता है और यह प्रदर्शित करता है कि फाइन-ट्यून्ड लार्ज लैंग्वेज मॉडल्स, विशेष रूप से सिंथेटिक डेटा के साथ संवर्धित QWQ-32B, इस चुनौती को प्रभावी ढंग से संबोधित करते हैं।