21916 पेपर
अमेरिकी खुफिया विश्लेषकों के एक 2024 के अध्ययन से पता चलता है कि एक संक्षिप्त, संरचित 30 मिनट का प्रशिक्षण हस्तक्षेप, एआई-जनित छवियों को वास्तविक छवियों से अलग करने की उनकी क्षमता में महत्वपूर्ण सुधार करता है, विशेष रूप से वास्तविक छवियों की पहचान करने की सटीकता को बढ़ाकर।
यह शोध पत्र HDDPM को प्रस्तुत करता है, जो एक हेटेरोस्केडैस्टिक डिनोइजिंग डिफ्यूजन प्रोबेबिलिस्टिक मॉडल है जो तीव्रता-जागरूक, पॉइसन-आधारित शोर भ्रष्टाचार (noise corruption) को शामिल करता है ताकि मानक आइसोट्रोपिक मॉडलों की तुलना में इमेजिंग सिस्टम की भौतिक शोर संरचना को बेहतर ढंग से दर्शाते हुए, विशेष रूप से अत्यंत कम खुराक पर, लो-काउंट ब्रेन PET छवियों की मात्रात्मक रिकवरी में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र GPTNT को पेश करता है, जो गेम 'कीप टॉकिंग एंड नोबडी एक्सप्लोड्स' पर आधारित एक वास्तविक समय का सहयोगात्मक बेंचमार्क है, जो वर्तमान मल्टीमॉडल एजेंटों की समय के दबाव, सूचना विषमता और गतिशील संचार को संभालने की क्षमताओं की गंभीर कमजोरियों को उजागर करता है, क्योंकि मानव खिलाड़ियों की तुलना में परीक्षण किए गए कोई भी मॉडल एक भी बम को सफलतापूर्वक डिफ्यूज नहीं कर सके।
यह शोध पत्र फाइन-ट्यूनिंग रिवर्जन (fine-tuning reversion) की एक "गुरुत्वाकर्षण व्याख्या" (gravitational interpretation) प्रस्तावित करता है—जहाँ "गुरुत्वाकर्षण" शब्द एक शाब्दिक भौतिक गतिशील नियम के बजाय एक इतिहास-प्रेरित पूर्वाग्रह के लिए एक ज्यामितीय/अनुकूलन रूपक के रूप में कार्य करता है—यह तर्क देते हुए कि प्रारंभिक प्रशिक्षण प्रमुख व्यवहारिक मैनिफोल्ड्स (behavioral manifolds) स्थापित करता है जो एक ज्यामितीय खिंचाव पैदा करते हैं, जिससे मॉडल आगामी अपडेट के दौरान पूर्व-संरेखित व्यवहारों की ओर वापस जाने लगते हैं, एक ऐसी घटना जिसे एक विशिष्ट इतिहास-परिभाषित दिशा () द्वारा अभिलक्षित किया जा सकता है जिसे सुरक्षा क्षरण को रोकने के लिए अवरुद्ध किया जा सकता है।
यह शोध पत्र कंस्ट्रक्टिव मल्टी-सीक्वेंस लर्निंग (CMSL) प्रस्तुत करता है, जो अनुशंसा प्रणालियों (रेकमेंडेशन सिस्टम्स) के लिए एक नया प्रतिमान है जो उपयोगकर्ता के इतिहास को एक एकल अखंड अनुक्रम (मोनोलिथिक सीक्वेंस) के रूप में मानने की सीमाओं को दूर करता है, ताकि लेटेंट स्पेस में खंडित उपयोगकर्ता व्यवहारों को कई सुसंगत विषयगत धागों में सक्रिय रूप से विलग (डिसेंटैंगल) किया जा सके, जिससे संदर्भ प्रदूषण को समाप्त किया जा सके और पैटर्न पहचान को बढ़ाया जा सके।
यह शोध पत्र प्रदर्शित करता है कि चॉइस का अभिगृही (Axiom of Choice) न्यूरल प्रूफ़ एम्बेडिंग्स में एक मापने योग्य ज्यामितीय हस्ताक्षर छोड़ता है—जो निर्भरता ग्राफ (dependency graph) में अभिगृही से दूर जाने पर घटते विसंगति स्कोर (anomaly scores) और पुनर्निर्माण हानि (reconstruction losses) द्वारा अभिलक्षित है—जो लीन 4 (Lean 4) जैसे सिस्टम में रचनात्मक (constructive) और शास्त्रीय (classical) प्रमेय सिद्ध करने के बीच प्रदर्शन के अंतर के साथ सह-संबद्ध है और उसका पूर्वानुमान लगाता है।
यह शोध पत्र "ग्रेन कैलिब्रेशन" (grain calibration) प्रस्तावित करता है, जो एक ऐसी विधि है जो सैद्धांतिक संरचनाओं को उपवाक्य-स्तरीय घटकों में विभाजित करके और मॉडल द्वारा केवल मानवीय एनोटेशन के साथ सहसंबंध बनाने के बजाय इच्छित संरचनाओं को मापने के लिए स्पष्ट, सिद्धांत-व्युत्पन्न नियमों को लागू करके लार्ज लैंग्वेज मॉडल्स को मापन उपकरणों के रूप में मान्य करती है।
यह शोध पत्र DynaSteer को प्रस्तुत करता है, जो एक गतिशील प्रतिनिधित्व संपादन ढांचा (dynamic representation editing framework) है जो सत्य-एन्कोडिंग पैटर्न को अलग करके और अनिश्चितता एवं क्षय के सिद्धांतों के आधार पर प्रक्षेप पथों (trajectories) को चयनात्मक रूप से निर्देशित करके लार्ज लैंग्वेज मॉडल की तर्क क्षमता को बढ़ाता है, जिससे गणितीय और कोडिंग बेंचमार्क पर सटीकता में सुधार होता है।
यह शोध पत्र Animation2Code प्रस्तुत करता है, जो 1,069 वीडियो-एनिमेशन युग्मों और सटीक टेम्पोरल डायनेमिक्स के साथ निष्पादन योग्य वेब एनिमेशन को पुनर्गठित करने में वर्तमान विजन-लैंग्वेज मॉडल्स की सीमाओं का मूल्यांकन करने और उन्हें प्रकट करने के लिए नवीन मानव-संरेखित मेट्रिक्स से युक्त एक बेंचमार्क है।
यह शोध पत्र एक ऊर्जा-जागरूक शिक्षण ढांचे को प्रस्तुत करता है जो एक्चुएटर ऊर्जा को सुदृढीकरण लर्निंग (रिनफोर्समेंट लर्निंग) पुरस्कारों में शामिल करके और न्यूरोमॉर्फिक हार्डवेयर पर एक संकुचित स्पाइकिंग न्यूरल नेटवर्क को तैनात करके एक्चुएटर उत्तेजना और अनुमान दक्षता को सह-अनुकूलित करता है, जिससे पार्किंसंस रोग के लिए अनुकूली डीप ब्रेन स्टिमुलेशन में पैथोलॉजिकल ऑसिलेशन्स और बिजली की खपत दोनों में महत्वपूर्ण कमी आती है।