21236 पेपर
ASPIRE एक निरंतर सीखने वाली प्रणाली है जो निष्पादन, विफलता निदान और विकासवादी खोज के एक पुनरावृत्ति लूप के माध्यम से स्वायत्त रूप से रोबोट नियंत्रण प्रोग्राम लिखती और परिष्कृत करती है, जिसके परिणामस्वरूप एक पुन: प्रयोज्य कौशल लाइब्रेरी प्राप्त होती है जो बाधित, द्विपक्षीय और दीर्घ-क्षितिज वाले कार्यों में पिछले तरीकों से काफी बेहतर प्रदर्शन करती है और शून्य-शॉट सामान्यीकरण एवं सिम-टू-रियल स्थानांतरण को सक्षम बनाती है।
यह शोध पत्र SEFORA का परिचय देता है, जो वास्तविक प्रशिक्षक फीडबैक के साथ छात्र निबंधों का एक बड़े पैमाने पर कॉर्पस है, और UniMatch, जो एक नवीन मूल्यांकन ढांचा है जो यह प्रकट करता है कि वर्तमान LLMs मानव प्रशिक्षक की प्राथमिकताओं के अनुरूप फीडबैक उत्पन्न करने में संघर्ष करते हैं, जो व्यापक प्रयोगों में केवल 0.4 का अधिकतम F1 स्कोर प्राप्त करते हैं।
यह शोध पत्र कम डेटा वाली स्थितियों में फेडरेटेड लर्निंग के तहत स्पार्स मॉडल डिस्कवरी के लिए एक एंट्रॉपी-रेगुलराइज्ड प्रोबेबिलिस्टिक गेटिंग मैकेनिज्म का प्रस्ताव करता है, जो समयपूर्व अभिसरण (प्रिमैचर कन्वर्जेंस) को रोकने के लिए पैरामीटर अनिश्चितता को बनाए रखता है और Fed-IHT एवं FedAvg जैसी मौजूदा विधियों की तुलना में बेहतर सांख्यिकीय प्रदर्शन और स्पर्सिटी रिकवरी प्राप्त करता है।
यह शोध पत्र अपरिचित काउंटरफैक्चुअल (counterfactual) और ऐतिहासिक दुनियाओं में फ्रंटियर एलएलएम (LLM) के भौतिकी तर्क (physics reasoning) का मूल्यांकन करने के लिए एक ऑडिट करने योग्य चार-चरणीय नैदानिक ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि जबकि मॉडल आम तौर पर गुणात्मक प्रवृत्तियों को समझते हैं, वे अक्सर नए नियमों को मात्रात्मक रूप से लागू करने में विफल रहते हैं और आत्म-सुधार (self-correction) के साथ महत्वपूर्ण रूप से संघर्ष करते हैं।
यह शोध पत्र साक्ष्य आधार को पाँच से बढ़ाकर ग्यारह स्थितियों में विस्तारित करके LLM मूल्यांकन प्रणालियों में बायस-विश्वसनीयता (bias-reliability) के ट्रेडऑफ को अनुभवजन्य रूप से मान्य करता है, जो यह प्रदर्शित करता है कि इवैलुएटर कपलिंग, रणनीति विविधता और मापन विश्वसनीयता को एक साथ अनुकूलित नहीं किया जा सकता है और GPT-4o स्थितियों में वर्ज़न ड्रिफ्ट (version drift) के एक विशिष्ट पैटर्न को प्रकट करता है।
यह शोध पत्र K-Inverse-RFM को प्रस्तुत करता है, जो एक संशोधित रिकर्सिव फीचर मशीन है जो डेटा-दूषित गणितीय कार्यों में प्रदर्शन संबंधी सीमाओं को दूर करने के लिए एक नवीन लेबल ट्रांसफॉर्मेशन का उपयोग करता है, जिससे यह फीडफॉरवर्ड न्यूरल नेटवर्क के बराबर या उससे भी बेहतर प्रदर्शन करने में सक्षम होता है।
यह शोध पत्र मोबाइल ऑन-डिवाइस एआई (MoAI) सिस्टम की सुरक्षा पर ज्ञान का पहला व्यापक व्यवस्थितकरण प्रस्तुत करता है, जो एक आधारभूत ढांचा स्थापित करता है जिसमें उनके सुरक्षा स्तंभ, हमले और रक्षा के परिदृश्य, पहचाने गए शोध अंतराल और भविष्य की दिशाएं शामिल हैं।
यह शोध पत्र फ्लो मैचिंग-आधारित स्पीच सिंथेसिस के लिए एक एकीकृत मार्गदर्शन ढांचे का प्रस्ताव करता है जो डेटा-निर्देशित विषम संवर्धन (heterogeneous augmentation) और एक उन्नत मॉडल-मार्गदर्शन तंत्र को जोड़ता है ताकि क्लासिफायर-फ्री गाइडेंस ओवरहेड को समाप्त किया जा सके, जिससे स्पीकर समानता और मजबूती में सुधार करते हुए अनुमान गति में तीन गुना त्वरण प्राप्त किया जा सके।
यह शोध पत्र MEPA को प्रस्तुत करता है, जो एक नवीन विजुअल ऑटोरेग्रेसिव मॉडलिंग फ्रेमवर्क है जो स्केल-अवेयर टोकन-रूटेड मिक्सचर ऑफ एक्सपर्ट्स आर्किटेक्चर और एक विशेष रूप से तैयार किए गए रेसिडुअल फीचर एग्रीगेशन स्कीम का उपयोग करता है ताकि मल्टी-स्केल रिप्रेजेंटेशन लर्निंग को डीकपल किया जा सके और अर्ली सिमेंटिक मॉडलिंग को बढ़ाया जा सके, जिससे ImageNet जैसे बेंचमार्क पर इमेज जनरेशन की गुणवत्ता और प्रशिक्षण दक्षता में महत्वपूर्ण सुधार होता है।
मलेरियाआई (MalariAI) एक नवीन दो-चरणीय पृथक ढांचा (two-stage decoupled framework) है जो घने स्मीयर्स में मजबूत सेल सेगमेंटेशन के लिए एक एनोटेशन-अज्ञेय वाटरशेड एल्गोरिदम और दुर्लभ परजीवी रूपों के लिए उच्च-सटीक, व्याख्या योग्य चरण वर्गीकरण प्राप्त करने के लिए एक फाइन-ट्यून्ड एफिशिएंटनेट-बी0 (EfficientNet-B0) क्लासिफायर के साथ ग्रेड-कैम++ (Grad-CAM++) का उपयोग करके स्वचालित मलेरिया निदान में प्रमुख सीमाओं को दूर करता है।