21916 पेपर
यह शोधपत्र LEDGER को प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो एजेंटिक दस्तावेज़ संपादन (agentic document editing) को कुशलतापूर्वक निर्देशित करने के लिए डिपेंडेंसी-अवेयर ग्राफ रिट्रीवल (dependency-aware graph retrieval) का उपयोग करता है, जो दस्तावेज़ की संरचना और निर्भरताओं को स्पष्ट रूप से मॉडल करके विभिन्न मॉडलों में निरंतरता में उल्लेखनीय सुधार करता है और टोकन के उपयोग को कम करता है।
इस जैविक प्रक्रिया से प्रेरित जहाँ संकुचित जीनोमिक ब्लूप्रिंट से जटिल तंत्रिका संरचनाएँ उभरती हैं, यह शोध पत्र एक ऐसी जनरेटिव प्रक्रिया सीखने के लिए हाइपरनेटवर्क्स का प्रस्ताव करता है जो न्यूनतम प्रशिक्षण और उच्च सुदृढ़ता के साथ कठिन टेम्पोरल कार्यों को हल करने में सक्षम विरल, मॉड्यूलर रिकरेंट नेटवर्क का निर्माण करती है।
यह शोध पत्र एक पोस्ट-हॉक फ्रेमवर्क प्रस्तुत करता है जो इमेज ऑटोरेग्रेसिव मॉडल्स की जनरेशन प्रक्रिया में निहित विशिष्ट पैटर्नों का लाभ उठाकर, मॉडल्स या उनके आउटपुट में किसी भी संशोधन की आवश्यकता के बिना, एआई-जनरेटेड छवियों को मजबूती से ट्रैक और पहचानता है।
यह शोध पत्र स्कीमा-फर्स्ट रिट्रीवल (Schema-First Retrieval) का परिचय देता है, जो एक नवीन रिट्रीवल लेयर है जो विविध कैटलॉग मेटाडेटा (टेबल्स, कॉलम्स, मेट्रिक्स, रिलेशनशिप्स और क्वेरी हिस्ट्री) को एम्बेड और इंडेक्स करता है ताकि एंटरप्राइज टेक्स्ट-टू-SQL सिस्टम में स्कीमा चयन की सटीकता को महत्वपूर्ण रूप से सुधारा जा सके और SQL निष्पादन त्रुटियों को कम किया जा सके, और यह कैटलॉग कॉन्टेक्स्ट को प्रॉम्प्ट फॉर्मेटिंग विवरण के बजाय एक प्रथम-श्रेणी की रिट्रीवल समस्या के रूप में मानता है।
RADIANT-PET एक नवीन ढांचा है जो संरचित पाठ्य विवरणों और नैदानिक रिपोर्टों का उपयोग करके उम्मीदवारों का न्याय करने के लिए एक सुदृढीकरण शिक्षण-अनुकूलित बड़े भाषा मॉडल के साथ एक अनुमति देने वाले वोक्सेल-स्तरीय मॉडल को जोड़कर PET/CT घाव विभाजन (लेसन सेगमेंटेशन) को बढ़ाता है, जिससे गलत सकारात्मकता (फॉल्स पॉजिटिव) में काफी कमी आती है और भविष्यवाणियों को नैदानिक व्याख्या के साथ संरेखित किया जाता है।
यह शोध पत्र CLOSER-VLN का प्रस्ताव करता है, जो एक ट्रेनिंग-पॉलिसी-मुक्त ढांचा है जो एरियल विजन-लैंग्वेज नेविगेशन के लिए है और जो प्रक्षेपवक्र विचलन (ट्रैजेक्टरी डेविएशन) को रोकने और अनदेखे वातावरण में प्रदर्शन में सुधार करने के लिए रीजनिंग, सेल्फ-वेरिफिकेशन और रिट्रीवल-ऑगमेंटेड करेक्शन की एक क्लोज्ड-लूप प्रक्रिया का उपयोग करता है।
यह शोधपत्र यह सिद्ध करता है कि बिना किसी साझा घड़ी, मॉडल या समन्वयक की बाधाओं के तहत, संप्रभु एजेंटों के एक विकेंद्रीकृत मेश (mesh) को इष्टतम बुद्धिमत्ता प्राप्त करने के लिए, अंतर्निहित न्यूरल सबस्ट्रेट (neural substrate) एक निरंतर-समय तरल नेटवर्क (continuous-time liquid network) होना चाहिए जो अनुकूलन योग्य समय-पैमानों (timescales) और अंतराल-निर्भर प्रसंस्करण (gap-dependent processing) में सक्षम हो, क्योंकि स्थिर-भार वाले फिल्टर (fixed-weight filters) और मानक डीप लर्निंग आर्किटेक्चर मौलिक रूप से उप-इष्टतम (suboptimal) हैं।
यह शोध पत्र AEGIS को प्रस्तुत करता है, जो विज़न सेंसरों के लिए एक सुदृढ़ एडवरसैरियल डिटेक्शन फ्रेमवर्क है, जो विविध एडवरसैरियल हमलों की प्रभावी ढंग से पहचान करने और उन्हें फ़िल्टर करने के साथ-साथ कैलिब्रेटेड अनसर्टेन्टी एस्टीमेट प्रदान करने के लिए एक सिमेंटिक-अवेयर GAN डिस्क्रिमिनेटर को इविडेंशियल डीप लर्निंग के साथ जोड़ता है।
MedDiffuseMix एक सैलियेंसी-गाइडेड डिफ्यूजन मिक्सिंग फ्रेमवर्क है जो महत्वपूर्ण नैदानिक साक्ष्यों को संरक्षित करते हुए कम-महत्व वाले बैकग्राउंड क्षेत्रों को चुनिलेक्टिव रूप से संवर्धित करके मेडिकल इमेज क्लासिफिकेशन को बढ़ाता है, जिससे विविध डेटासेट्स पर मॉडल की सटीकता और मजबूती में सुधार होता है।
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।