21138 पेपर
यह शोध पत्र प्रदर्शित करता है कि न्यूरोइमेजिंग के लिए फास्टसर्फर (FastSurfer) डीप लर्निंग मॉडल को प्रशिक्षित करने में निहित संख्यात्मक अनिश्चितता न केवल विश्वसनीयता को प्रभावित करती है, बल्कि डाउनस्ट्रीम ब्रेन एज रिग्रेशन प्रदर्शन को बेहतर बनाने के लिए एनसेम्बलिंग (ensembling) के माध्यम से एक डेटा ऑग्मेंटेशन तकनीक के रूप में भी प्रभावी ढंग से उपयोग की जा सकती है।
यह अध्ययन प्रदर्शित करता है कि जहाँ मानव मानसिक कल्पना नेटवर्क केंद्रीयता (centrality) और क्लस्टरिंग (clustering) में सुदृढ़ क्रॉस-पॉपुलेशन संरचनात्मक संरेखण प्रदर्शित करते हैं, वहीं लार्ज लैंग्वेज मॉडल्स इन पैटर्नों को दोहराने में विफल रहते हैं, जो यह सुझाव देता है कि मानव कल्पना केवल भाषाई प्रशिक्षण के बजाय मूर्त अनुभवात्मक स्मृति (embodied experiential memory) पर निर्भर करती है।
यह शोध पत्र PsySET को प्रस्तुत करता है, जो LLMs की भावनाओं और व्यक्तित्वों को नियंत्रित करने के लिए विभिन्न स्टीयरिंग रणनीतियों की प्रभावशीलता और विश्वसनीयता का मूल्यांकन करने वाला एक नवीन बेंचमार्क है, जो यह प्रकट करता है कि जबकि वेक्टर इंजेक्शन जैसी विधियाँ सूक्ष्म नियंत्रण प्रदान करती हैं, वे विशिष्ट गुणों के आधार पर तथ्यात्मक सुदृढ़ता में कमी या विषाक्तता में वृद्धि जैसे जटिल दुष्प्रभाव भी उत्पन्न कर सकती हैं।
यह शोध पत्र Aria को प्रस्तुत करता है, जो एक रिट्रीवल-आधारित एजेंट है जो लीन (Lean) में अनुसंधान गणित के अनुमान-स्तर (conjecture-level) के ऑटो-फॉर्मलाइजेशन के लिए एक दो-चरणीय ग्राफ-ऑफ-थॉट प्रक्रिया और एक परिभाषा-आधारित स्कोरर का उपयोग करता है, जिससे यह स्टेट-ऑफ-द-आर्ट सटीकता प्राप्त करता है और मतिभ्रम (hallucinations) तथा सिमेंटिक बेमेल (semantic mismatches) जैसी सामान्य एलएलएम (LLM) सीमाओं को प्रभावी ढंग से दूर करता है।
यह शोध पत्र CreativityPrism को प्रस्तुत करता है, जो एक स्केलेबल, क्रॉस-डोमेन मूल्यांकन ढांचा है जो तीन आयामों (गुणवत्ता, नवीनता और विविधता) का उपयोग करके डाइवर्जेंट थिंकिंग (अपसारी चिंतन), रचनात्मक लेखन और तार्किक तर्क के आठ कार्यों में लार्ज लैंग्वेज मॉडल्स का आकलन करता है, जिससे यह पता चलता है कि जबकि फ्रंटियर मॉडल्स लेखन और तर्क में उत्कृष्ट हैं, वे डाइवर्जेंट थिंकिंग में कोई महत्वपूर्ण लाभ नहीं दिखाते हैं और प्रदर्शन शायद ही कभी विभिन्न रचनात्मक आयामों में सामान्यीकृत होता है।
यह शोध पत्र एक ऐसा कम्प्यूटेशनल फ्रेमवर्क प्रस्तुत करता है जो परिवर्तित गुरुत्वाकर्षण के प्रति न्यूरोफिज़ियोलॉजिकल अनुकूलन की भविष्यवाणी करने के लिए डीप लर्निंग मॉडल्स को मानव जागरूकता के व्यक्तिपरक वृत्तांत (subjective narratives) उत्पन्न करने के लिए LLM सिमुलेशन के साथ जोड़ता है, जो भविष्य के अंतरिक्ष मिशनों में प्रदर्शन और लचीलेपन के आकलन के लिए एक नवीन उपकरण प्रदान करता है।
यह शोधपत्र एक सैद्धांतिक ढांचे का प्रस्ताव करता है जो मल्टी-एलएलएम (multi-LLM) एजेंटों के लिए स्थानीय, हस्ताक्षरित और क्रेडिट-संरक्षण वाले प्रशिक्षण संकेतों को उत्पन्न करने हेतु सहयोगात्मक गेम-थ्योरेटिक एट्रिब्यूशन (cooperative game-theoretic attribution) को प्रोसेस रिवॉर्ड मॉडलिंग (process reward modeling) के साथ एकीकृत करता है, जिससे बिना किसी अनुभवजन्य सत्यापन के, सिस्टम-स्तरीय मूल्यांकन और एजेंट-स्तरीय शिक्षण के बीच के अंतर को पाटा जा सके।
यह परिप्रेक्ष्य लेख सक्रिय-पदार्थ भौतिकी (active-matter physics) और जैविक सिद्धांतों को उनके मॉडलिंग और डिज़ाइन में एकीकृत करने की वकालत करते हुए, जैव-प्रेरित रोबोटिक समूहों (bio-inspired robotic collectives) में मौलिक दक्षता और समन्वय संबंधी चुनौतियों को संबोधित करता है।
यह शोध पत्र स्पैनिंग ट्री ऑटोरेग्रेसिव (STAR) मॉडलिंग का परिचय देता है, जो एक विजुअल जनरेशन दृष्टिकोण है जो उच्च सैंपलिंग प्रदर्शन को लचीले अनुक्रम क्रम के साथ संतुलित करने के लिए यूनिफॉर्म स्पैनिंग ट्री के ट्रैवर्सल ऑर्डर्स का लाभ उठाता है, जिससे बिना किसी महत्वपूर्ण आर्किटेक्चरल बदलाव के मूल इमेज एडिटिंग क्षमताओं को सक्षम बनाया जा सके।
यह शोध पत्र लोकैलिटी-अवेयर कॉन्टिनुअल अनलर्निंग (LACU) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो लोकैलिटी-अवेयर टारगेट सिलेक्शन और रिप्ले का उपयोग करके डिफ्यूजन मॉडल्स में मौजूदा सीक्वेंशियल अनलर्निंग विधियों की अस्थिरता को दूर करता है ताकि सिमेंटिक रूप से पड़ोसी अवधारणाओं को होने वाले संपार्श्विक नुकसान को कम किया जा सके, जिससे रिटेंशन प्रदर्शन को बनाए रखते हुए दस क्रमिक चरणों में स्थिर अवधारणा निष्कासन सक्षम हो सके।