21916 पेपर
यह अध्ययन दर्शाता है कि IIoT नेटवर्क के लिए हल्के घुसपैठ पहचान मॉडल (lightweight intrusion detection models) अक्सर विभिन्न नेटवर्क वातावरणों में सामान्यीकरण करने में विफल रहते हैं क्योंकि वे मजबूत विशेषताओं के बजाय भ्रामक पोर्ट-श्रेणी शॉर्टकट पर निर्भर करते हैं, जो तैनाती की तैयारी सुनिश्चित करने के लिए वास्तविक वर्ग वितरण के तहत क्रॉस-डोमेन मूल्यांकन की महत्वपूर्ण आवश्यकता को रेखांकित करता है।
यह शोधपत्र इक्विवेरिएंट पोइनकेयर रेज़नेट्स (Equivariant Poincaré ResNets) का प्रस्ताव करता है, जो पोइनकेयर बॉल के भीतर विजुअल रिप्रेजेंटेशन सीखने की दक्षता में सुधार करने और अनुकूलन चुनौतियों (optimization challenges) को दूर करने के लिए ज्यामितीय रूप से सुरक्षित टेंसर रीशेपिंग (geometrically safe tensor reshaping) और जॉइंट-ओरिएंटेशन बैच नॉर्मलाइज़ेशन (joint-orientation batch normalization) जैसी नवीन तकनीकों के माध्यम से डिस्क्रीट सिमिट्री ग्रुप्स ( और ) को हाइपरबोलिक ज्योमेट्री के साथ एकीकृत करता है।
यह शोध पत्र एक ऐसी कार्यप्रणाली का प्रस्ताव और सत्यापन करता है जो 14 AI पैटर्न वर्गों की पहचान करने के लिए साहित्य खनन (literature mining) को सक्रिय शिक्षण (active learning) के साथ जोड़ती है ताकि वास्तविक दुनिया के GitHub रिपॉजिटरी में उनकी व्यापकता और सटीकता को अनुभवजन्य रूप से मापा जा सके, जो इस बात की समझ में मौजूद वर्तमान अंतराल को संबोधित करता है कि वास्तव में व्यवहार में AI पैटर्न का उपयोग कैसे किया जाता है।
यह शोध पत्र HARC को पेश करता है, जो एक फाइन-ट्यूनिंग विधि है जो मॉडल क्षमता से समझौता किए बिना या ओवर-रिफ्यूज़ल (अत्यधिक इनकार) को बढ़ाए बिना मजबूत सुरक्षा संरेखण प्राप्त करने के लिए प्रॉम्प्ट और रिस्पॉन्स स्थितियों में हानिकारकता और इनकार की दिशाओं को जोड़ती है।
यह शोध पत्र एक कारण संबंधी ऑडिटिंग फ्रेमवर्क (causal auditing framework) प्रस्तुत करता है जो यह प्रदर्शित करता है कि लिमिटेड मेमोरी लैंग्वेज मॉडल्स में, अनलर्निंग की प्रभावशीलता मुख्य रूप से मॉडल के बजाय डेटाबेस प्रबंधन द्वारा निर्धारित होती है, क्योंकि हटाए गए तथ्य शायद ही कभी पैरामीट्रिक मेमोरी में बने रहते हैं लेकिन वे रिट्रीवल आर्टिफैक्ट्स (retrieval artifacts) और निकटवर्ती संबंधों के माध्यम से पुन: प्रकट हो सकते हैं।
यह शोध पत्र कंपोजिशनल प्रिमिटिव फील्ड्स (CPF-GCD) को प्रस्तुत करता है, जो एक प्लग-एंड-प्ले प्रतिनिधित्व शिक्षण ढांचा है जो छवियों को पुन: प्रयोज्य दृश्य प्रिमिटिव और उनके स्थानिक व्यवस्था में विघटित करने के लिए एक लो-रैंक कंपोजिशनल संरचना को लागू करके जनरलाइज्ड कैटेगरी डिस्कवरी में मानक विजन बैकबोन की सीमाओं को संबोधित करता है, जिससे ज्ञात और नवीन दोनों श्रेणियों की अधिक प्रभावी पहचान सक्षम होती है।
यह शोध पत्र AGI Maze को प्रस्तुत करता है, जो एक हल्का ग्रिड-आधारित बेंचमार्क फ्रेमवर्क है जिसे वर्तमान बड़े भाषा मॉडलों की उन स्थायी, हेरफेर योग्य विश्व-अवस्था (world-state) निरूपणों को बनाने में अक्षमता को उजागर करने के लिए डिज़ाइन किया गया है जो आंशिक रूप से दृश्यमान, अवस्था-आधारित कार्यों को हल करने के लिए आवश्यक होते हैं, भले ही उन्हें वर्किंग मेमोरी तंत्र प्रदान किए गए हों।
यह शोध पत्र "लॉस स्मूथिंग" (loss smoothing) का प्रस्ताव करता है, जो वितरण बदलाव (distribution shift) के तहत क्रमिक अनुकूलन को सक्षम करने के लिए स्रोत और लक्ष्य उद्देश्यों के बीच इंटरपोलेशन करता है, जिससे उपयोगी विशेषताओं को संरक्षित किया जा सके और फाइन-ट्यूनिंग एवं सुदृढीकरण लर्निंग (reinforcement learning) जैसे विविध कार्यों में प्रदर्शन में निरंतर सुधार किया जा सके।
यह शोध पत्र एक ऐसे ढांचे को प्रस्तुत करता है जो सार्वभौमिक मूल्य फलन सन्निकटों (universal value function approximators) को विशिष्ट प्रशिक्षण तकनीकों के साथ जोड़ता है ताकि वीडियो गेम और रोबोटिक्स जैसे विविध डोमेन में सुदृढीकरण शिक्षण (reinforcement learning) एजेंटों के लिए वास्तविक समय में, उपयोगकर्ता-नियंत्रित "शैली" संशोधनों को सक्षम किया जा सके, जिससे यह सुनिश्चित हो सके कि वे विशिष्ट व्यवहार संबंधी प्राथमिकताओं के अनुकूल होते हुए भी कार्य प्रदर्शन बनाए रखते हैं।
यह शोध पत्र लेबल इन्फ्लुएंस प्रोपेगेशन (LIP) का प्रस्ताव करता है, जो एक नवीन ग्राफ न्यूरल नेटवर्क मॉडल है जो लेबल सहसंबंधों को मापने के लिए मैसेज पासिंग को विघटित करके और सकारात्मक योगदानों को बढ़ाने तथा नकारात्मक प्रभावों को कम करने के लिए उच्च-क्रम के लेबल प्रभावों को गतिशील रूप से प्रसारित करके मौजूदा मल्टी-लेबल नोड वर्गीकरण विधियों की सीमाओं को संबोधित करता है।