21157 पेपर
यह शोध पत्र EO-Agents को प्रस्तुत करता है, जो नासा (NASA) के अर्थ ऑब्जर्वेशन नॉलेज ग्राफ पर आधारित एक तीन-एजेंट एलएलएम (LLM) पाइपलाइन है, जो एक हेटेरोजीनियस ग्राफ न्यूरल नेटवर्क का लाभ उठाकर आशाजनक डेटासेट युग्मों की पहचान करता है और इसके माध्यम से पृथ्वी-विज्ञान के कई डोमेन में वैज्ञानिक रूप से सुसंगत और नवीन अनुसंधान परिकल्पनाओं को सफलतापूर्वक उत्पन्न और मूल्यांकित करता है।
यह शोध पत्र ADVENT को प्रस्तुत करता है, जो एक LLM-संचालित फ्रेमवर्क है जो मानव-व्याख्या योग्य नियमों को बनाने और क्रॉस-टास्क ज्ञान पुन: उपयोग को सक्षम करने के लिए एबडक्टिव जनरेशन (abductive generation) को डिडक्टिव वेरिफिकेशन (deductive verification) के साथ जोड़कर इंडक्टिव लॉजिक प्रोग्रामिंग में प्रेडिकेट इन्वेंशन (predicate invention) को स्वचालित करता है, जिससे उन मामलों में सफलता दर में महत्वपूर्ण सुधार होता है जहाँ पारंपरिक ILP विधियाँ विफल रहती हैं।
यह शोध पत्र PASE को प्रस्तुत करता है, जो एक न्यूरो-सिम्बोलिक सेल्फ-हीलिंग फ्रेमवर्क है जो मौजूदा विधियों की तुलना में क्लाउड सिस्टम रिकवरी समय को काफी कम करने और फॉल्ट डिटेक्शन सटीकता में सुधार करने के लिए LLM-आधारित प्लान सिंथेसिस, न्यूरल-सिम्बोलिक वर्ल्ड मॉडल वेरिफिकेशन, और DRL-संचालित प्रॉम्प्ट ऑप्टिमाइज़ेशन को एकीकृत करता है।
SemHash-LLM एक बहु-स्तर (multi-granularity) फ्रेमवर्क है जो न्यूनतम न्यूरल सत्यापन लागत के साथ कुशल और सुदृढ़ बड़े पैमाने पर दस्तावेज़ डीडुप्लिकेशन (deduplication) प्राप्त करने के लिए सिमेंटिक प्रोजेक्शन हैशिंग, अटेंशन-वेटेड मिन्हैश (MinHash), और चयनात्मक LLM अधिनिर्णय को एकीकृत करता है।
यह शोध पत्र C3RL को प्रस्तुत करता है, जो एक सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) एल्गोरिदम है जो बड़े भाषा मॉडलों की सटीकता और अंशांकन (कैलिब्रेशन) दोनों में सुधार करता है, और इन सुव्यवस्थित आत्मविश्वास स्कोर का लाभ उठाकर CAS को संचालित करता है, जो एक अनुकूलित टेस्ट-टाइम स्केलिंग रणनीति है जो मौजूदा तरीकों से बेहतर प्रदर्शन करते हुए इन्फरेंस लागत को काफी कम कर देती है।
यह शोधपत्र एक ज्यामिति-जागरूक विषम ग्राफ न्यूरल नेटवर्क प्रस्तावित करता है जो विविध वर्षा सेंसरों के विशिष्ट स्थानिक सपोर्ट (बिंदु, पथ और ग्रिड) को स्पष्ट रूप से मॉडल करता है ताकि सूक्ष्म-स्तरीय वर्षा क्षेत्रों का पुनर्निर्माण किया जा सके, जिससे बहु-स्रोत डेटा को संलयित करते हुए और पूर्वानुमान रिज़ॉल्यूशन को सेंसिंग रिज़ॉल्यूशन से अलग करते हुए मौजूदा विधियों की तुलना में सटीकता में महत्वपूर्ण सुधार प्राप्त किया जा सके।
यह शोधपत्र InfoDelphi प्रस्तुत करता है, जो एक मल्टी-एजेंट पूर्वानुमान ढांचा (multi-agent forecasting framework) है जो एजेंटों के बीच त्रुटि सहसंबंध (error correlation) को कम करने के लिए साक्ष्य को साझा सार्वजनिक और विलगित निजी उपसमूहों में विभाजित करके डिज़ाइन की गई सूचना विषमता (information asymmetry) का लाभ उठाता है, जिससे यह वास्तविक दुनिया के पूर्वानुमान कार्यों पर मौजूदा बेसलाइन से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र मल्टी-सोर्स ईसीजी परिनियोजन के लिए एक रिप्ले-फ्री कॉन्टिनुअल लर्निंग फ्रेमवर्क का प्रस्ताव करता है जो एक फ्रोजन बैकबोन को एक इंक्रीमेंटल एक्सपर्ट बैंक और एक लाइटवेट राउटर के साथ उपयोग करके एक्सपर्ट रिटेंशन को ऑटोनॉमस सोर्स इन्फरेंस से अलग करता है, यह प्रदर्शित करते हुए कि जबकि एक्सपर्ट रिटेंशन अत्यधिक प्रभावी है, मेटाडेटा के बिना सोर्स आइडेंटिटी को इन्फर करने में अक्षमता ही प्राथमिक प्रदर्शन बाधा बनी हुई है।
यह शोध पत्र Pmeta-TLA प्रस्तुत करता है, जो एक नवीन मेटा-लर्निंग फ्रेमवर्क है जो टिम्बर लीकेज अटैक (Timbre Leakage Attack) का लाभ उठाकर स्पीच क्लासिफिकेशन मॉडल्स में कई स्टील्थी और रोबस्ट बैकडोर्स को एम्बेड करने के लिए फ्रेम-लेवल पर टिम्बर जानकारी को वितरित करता है, जिससे मौजूदा तरीकों की तुलना में बेहतर हमले की प्रभावकारिता और कम लागत प्राप्त होती है।
यह शोधपत्र COMFYCLAW को प्रस्तुत करता है, जो एक स्व-विकसित (self-evolving) एजेंटिक फ्रेमवर्क है जो निर्माण को टाइप किए गए ग्राफ संपादन (typed graph editing) के रूप में मानकर, मरम्मत के लिए विजन-लैंग्वेज मॉडल सत्यापनकर्ता का उपयोग करके, और पिछले निष्पादन डेटा को प्रगतिशील रूप से प्रकट होने वाली कौशल लाइब्रेरी में संकुचित (distill) करके इमेज जनरेशन वर्कफ़्लो को बढ़ाता है ताकि एजेंट की विश्वसनीयता और प्रदर्शन में महत्वपूर्ण सुधार किया जा सके।