21138 पेपर
यह शोध पत्र ईगो-व्यू (ego-view) ट्रैफ़िक दुर्घटना वीडियो में उत्तरदायता वितरण अनुमान (responsibility distribution estimation) के नवीन कार्य को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि फाइन-ट्यून्ड मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स ड्राइवर के प्रत्यक्ष दृश्य परिप्रेक्ष्य का लाभ उठाकर एजेंट की उत्तरदायता प्रतिशत को प्रभावी ढंग से अनुमानित कर सकते हैं।
यह शोध पत्र एक व्याख्यात्मक (interpretable) डीप लर्निंग फ्रेमवर्क प्रस्तावित करता है जो पारंपरिक होल-ट्यूमर रेडियोमिक्स की तुलना में कई मेडिकल इमेजिंग डेटासेट्स पर बेहतर ट्यूमर वर्गीकरण प्रदर्शन और जैविक अंतर्दृष्टि प्रदर्शित करते हुए, पुनरुत्पादनीय मात्रात्मक इमेजिंग बायोमार्कर निकालने और उन्हें मान्य करने के लिए सेगमेंटेशन, ग्रेड-कैम-गाइडेड सिग्नेचर डिस्कवरी और शैप-आधारित विश्लेषण को एकीकृत करता है।
यह शोध पत्र TokAG का प्रस्ताव करता है, जो एक ज़ीरो-शॉट अफोर्डेंस ग्राउंडिंग फ्रेमवर्क है जो लार्ज विज़न-लैंग्वेज मॉडल्स से ऑब्जेक्ट-केंद्रित अटेंशन मैप्स निकालने के लिए एक स्थानिक-जागरूक टोकन-चयन तंत्र का लाभ उठाता है, जिससे बाहरी पर्यवेक्षण के बिना क्रिया-प्रासंगिक क्षेत्रों को स्थानीयकृत करने में पूर्व कमजोर रूप से पर्यवेक्षित विधियों की तुलना में बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल्स (LLMs) अपने हिडन स्टेट्स (hidden states) के भीतर उपयोगकर्ता के संप्रेषणात्मक इरादे (communicative intent) को मजबूती से एनकोड करते हैं, जो अक्सर एक रीडआउट लैग (readout lag) के कारण उस पर कार्य करने में विफल रहते हैं जिसे सतही-स्तर के प्रॉम्प्ट्स पर निर्भर रहने के बजाय एक विशिष्ट कॉज़ल दिशा (causal direction) के साथ मॉडल को स्टीयर करके हल किया जा सकता है।
यह शोध पत्र RADIO1D को प्रस्तुत करता है, जो एक नवीन दृष्टिकोण है जो फिक्स्ड 2D पैच-आधारित फीचर्स पर निर्भरता को चुनौती देता है, और नॉलेज डिस्टिलेशन एवं ऑटोएनकोडिंग के माध्यम से छवियों को कॉम्पैक्ट, परिवर्तनीय-लंबाई वाले 1D टोकन अनुक्रमों में संकुचित करता है, जिससे लचीले सटीकता-दक्षता ट्रेड-ऑफ और विजन-लैंग्वेज मॉडल्स में श्रेष्ठ प्रदर्शन सक्षम होता है।
यह शोध पत्र आर्टिफिशियल इंटेलिजेंस के अद्वितीय "कीमियाई" (alchemical) प्रक्षेपवक्र का विश्लेषण करने के लिए वैचारिक, ज्ञानमीमांसीय और परिचालन कठोरता के एक त्रि-आयामी ढांचे का प्रस्ताव करता है, और यह तर्क देता है कि सैद्धांतिक आधारों पर परिचालन कठोरता का वर्तमान प्रभुत्व इसके तीव्र अनुभवजन्य सफलताओं और निरंतर वैज्ञानिक अनिश्चितताओं, दोनों की व्याख्या करता है।
यह शोध पत्र एक ChatGPT-सहायता प्राप्त पाथवाइज डिफरेंशिएबिलिटी (pathwise differentiability) तर्क का उपयोग करते हुए, नॉनसिंगुलर -मैट्रिक्स रिफ्लेक्शन मैट्रिसेस वाले स्थिर हैरिसन-रीमैन डेटा (Harrison–Reiman data) के लिए विशिष्टता को सिद्ध करके 35 साल पुराने हस्ताक्षरित BAR विशिष्टता (signed BAR uniqueness) की समस्या को हल करता है, जबकि साथ ही यह भी प्रदर्शित करता है कि यह विशिष्टता सिंगुलर प्रिंसिपल ब्लॉक्स से जुड़े संरचनात्मक अवरोधों के कारण व्यापक कंप्लीटली- (completely-) वर्ग में विफल हो जाती है।
यह शोध पत्र मूनस्टोन (Moonstone) को प्रस्तुत करता है, जो चंद्र रिमोट सेंसिंग के लिए पहला मल्टीमॉडल फाउंडेशन मॉडल बेंचमार्क है, जिसमें एक व्यापक 28-चैनल वैश्विक डेटासेट और एक नवीन मोडैलिटी-ग्रुपड मास्क ऑटोएनकोडर (MG-MAE) शामिल है जो छह डाउनस्ट्रीम कार्यों में मौजूदा बेसलाइनों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र ViPo-MLLM प्रस्तुत करता है, जो एक नवीन ढांचा है जो PHOENIX14T और CSL-Daily डेटासेट पर अत्याधुनिक ग्लॉस-मुक्त संकेत भाषा अनुवाद (Sign Language Translation) प्राप्त करने के लिए एक लार्ज लैंग्वेज मॉडल के साथ स्थानिक-कालिक (spatio-temporal) RGB और मानव मुद्रा (human pose) विशेषताओं को एकीकृत करता है, जो प्रभावी रूप से ग्लॉस-आधारित दृष्टिकोणों को टक्कर देता है।
PivoARL एक LLM एजेंटों के लिए एक सेल्फ-फीडबैक रिट्राय फ्रेमवर्क है जो कुशल स्थानीय पुनरावृत्तियों (local retries) को सक्षम करने के लिए महत्वपूर्ण त्रुटिपूर्ण टर्न की पहचान करता है, जिससे अनुभव संकेतों को केंद्रित करना, अनावश्यक इंटरैक्शन को कम करना और विभिन्न कार्यों में निर्णय लेने के प्रदर्शन में महत्वपूर्ण सुधार करना संभव होता है।