21236 पेपर
SWE-MeM एक प्रशिक्षण ढांचा है जो सॉफ्टवेयर इंजीनियरिंग एजेंटों को एक लचीले टूल और मेमोरी-अवेयर GRPO के माध्यम से अनुकूलन योग्य, ऑन-डिमांड मेमोरी प्रबंधन क्षमताओं के साथ सुसज्जित करता है, जिससे वे संदर्भ उपयोग को गतिशील रूप से अनुकूलित कर सकते हैं और मौजूदा स्थिर विधियों की तुलना में लंबी अवधि के कोडिंग कार्यों पर बेहतर प्रदर्शन प्राप्त कर सकते हैं।
यह शोधपत्र यह प्रदर्शित करता है कि कोड एलएलएम (LLMs) में पुनरावर्ती स्व-प्रशिक्षण (recursive self-training), एआई-जनित डेटा पर निर्भर होने के कारण अनिवार्य रूप से प्रदर्शन पतन (performance collapse) की ओर ले जाता है, जो यह सिद्ध करता है कि क्षरण के आत्म-सुदृढ़ीकरण चक्र को तोड़ने के लिए बाह्य मानव सत्यापन के बिना स्वचालित समीक्षा तंत्र भी विफल हो जाते हैं।
यह शोध पत्र PLAA का प्रस्ताव करता है, जो नेटवर्क-आधारित घुसपैठ पहचान प्रणालियों (Network-based Intrusion Detection Systems) के लिए एक नवीन पैकेट-स्तरीय प्रतिकूल हमला ढांचा (packet-level adversarial attack framework) है, जो सिमेंटिक अखंडता और वैधता सुनिश्चित करने के लिए दुर्भावनापूर्ण ट्रैफ़िक को क्रमिक रूप से उत्पन्न करता है, जिससे मौजूदा फ्लो-स्तरीय अनुकूलन विधियों की सीमाओं को पार करते हुए 92.78% इवेजन सफलता दर प्राप्त होती है।
यह शोधपत्र कोवेरिएंस-एग्नोस्टिक न्यूरल कलमन कंसेंसस फिल्टर (CA-NKCF) को प्रस्तुत करता है, जो एक नवीन वितरित सेंसिंग फ्रेमवर्क है जो विविध रैखिक, अराजक और वायरलेस ट्रैकिंग परिवेशों में शोर सांख्यिकी के ज्ञान की आवश्यकता के बिना मजबूत ऑनलाइन लेटेंट स्टेट एस्टिमेशन प्राप्त करने के लिए आंशिक डोमेन ज्ञान को डीप न्यूरल नेटवर्क के साथ एकीकृत करता है, और पारंपरिक एवं विशुद्ध रूप से मॉडल-मुक्त विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र S-GAI को प्रस्तुत करता है, जो सिग्मोइडल MLPs के लिए एक स्पेक्ट्रल ज्योमेट्री-अवेयर इनिशियलाइज़ेशन फ्रेमवर्क है जो डेटासेट की अंतर्निहित ज्यामिति को एनकोड करने वाले हिडन लेयर के निर्माण के लिए इमेज डेटा के क्लास-वाइज SVD का लाभ उठाता है, जिसके परिणामस्वरूप मानक रैंडम इनिशियलाइज़ेशन विधियों की तुलना में काफी बेहतर प्रारंभिक प्रदर्शन और प्रतिस्पर्धी अंतिम सटीकता प्राप्त होती है।
यह शोध पत्र अनियमित खगोलीय प्रकाश वक्रों (light curves) के सुदृढ़ निरूपण (representations) सीखने के लिए जॉइंट-एम्बेडिंग प्रेडिक्टिव आर्किटेक्चर (JEPA) का उपयोग करते हुए एक डोमेन-सूचित मल्टी-व्यू सेल्फ-डिस्टिलेशन फ्रेमवर्क प्रस्तावित करता है, जो वर्गीकरण, फ्यू-शॉट लर्निंग और क्रॉस-डोमेन अनुकूलन कार्यों में हस्तनिर्मित विशेषताओं (hand-crafted features) की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह अध्ययन प्रदर्शित करता है कि एक प्रतिस्पर्धी स्थिरता खेल के भीतर बड़े भाषा मॉडल एजेंटों में छल एक अंतर्निहित व्यवहार के रूप में उभर सकता है, जो यह प्रकट करता है कि रणनीतिक संचार और प्रतिष्ठा तंत्र बढ़े हुए संघर्ष के बावजूद विरोधाभासी रूप से पारिस्थितिक प्रतिधारण और सह-अस्तित्व को बढ़ा सकते हैं।
यह शोध पत्र काउंटरफैक्चुअल रेजिडुअल डेटा ऑग्मेंटेशन (CRDA) का प्रस्ताव करता है, जो टैबुलर रिग्रेशन के लिए एक मॉडल-अज्ञेय तकनीक है जो छोटे फीचर परटर्बेशन्स के तहत रेजिडुअल्स की इनवेरिएंस का लाभ उठाकर यथार्थवादी प्रशिक्षण नमूने उत्पन्न करता है, जिससे डेटा-दुर्लभ और शोर वाले परिवेश में मीन स्क्वेर्ड एरर में काफी कमी आती है।
यह शोध पत्र SVC-Probe को प्रस्तुत करता है, जो एक नैदानिक ढांचा (diagnostic framework) है जो यह प्रकट करता है कि उच्च इन-डोमेन सटीकता के बावजूद, स्थानिक फाउंडेशन-मॉडल एम्बेडिंग अक्सर ड्रग परटर्बेशन्स (drug perturbations) के विरुद्ध सामान्यीकरण करने में विफल रहते हैं, जिससे बेसलाइन स्थिति भेदभाव की तुलना में परटर्बेशन जनरलाइजेशन (perturbation generalization) को एक अधिक सख्त और अधिक सूचनात्मक बेंचमार्क के रूप में स्थापित किया जा सके।
यह शोध पत्र LMKF SLAM का प्रस्ताव करता है, जो एक नवीन विधि है जो एक प्रभावी रूपांतरण और एक कंपास का उपयोग करके गैर-रेखीय अवस्था मॉडल (non-linear state models) को रेखीय मॉडल में परिवर्तित करती है, जिससे मानक कलमन फिल्टर का उपयोग करके पारंपरिक EKF-आधारित SLAM दृष्टिकोणों की तुलना में बेहतर सटीकता, अभिसरण, स्थिरता और गणनात्मक दक्षता प्राप्त की जा सके।