22000 पेपर
यह शोध पत्र प्रतीकात्मक बाधाओं (symbolic constraints) के साथ ट्रांज़िशन को समृद्ध करने वाले एक सुदृढ़ ऑटोमेटा-आधारित दृष्टिकोण को पेश करके, कंक्रीट डोमेन वाले डिस्क्रिप्शन लॉजिक्स की कंसिस्टेंसी समस्या की EXPTIME-मेंबरशिप को स्थापित करता है और सफलतापूर्वक इनवर्स रोल्स और फंक्शनल रोल नेम्स जैसी जटिल विशेषताओं तक विस्तार करता है।
यह शोध पत्र CausalFlip को प्रस्तुत करता है, जो एक नवीन बेंचमार्क है जिसे अर्थपूर्ण (semantically) समान प्रश्नों के साथ विपरीत कारण संबंधी उत्तर प्रस्तुत करके बड़े भाषा मॉडलों (large language models) में अर्थपूर्ण मिलान की सीमाओं को उजागर करने के लिए डिज़ाइन किया गया है, जो यह प्रदर्शित करता है कि वास्तविक कारण संबंधी आधार (causal grounding) प्राप्त करने में आंतरिककृत कारण तर्क (internalized causal reasoning), स्पष्ट चेन-ऑफ-थॉट (explicit Chain-of-Thought) से बेहतर प्रदर्शन करता है।
यह स्थिति पत्र तर्क देता है कि "मशीन अनलर्निंग" (machine unlearning) शब्द का वर्तमान में LLM अनुसंधान में रिफ्यूज़ल (refusal) या सप्रेशन (suppression) जैसे विविध कार्यों का वर्णन करने के लिए अत्यधिक उपयोग किया जा रहा है, और भ्रामक मूल्यांकन को रोकने तथा विभिन्न उद्देश्यों के लिए उपयुक्त शब्दावली सुनिश्चित करने हेतु इस शब्द को विशेष रूप से डेटासेट-परिभाषित विलोपन (dataset-defined deletion) और रिट्रेनिंग-तुल्यता गारंटी (retraining-equivalence guarantees) के लिए आरक्षित करने का आह्वान करता है।
यह शोध पत्र CalBrief प्रस्तुत करता है, जो एक नैदानिक बेंचमार्क और ढांचा है जो यह प्रकट करता है कि जबकि संरचित संगठन LLMs में साक्ष्य तर्क (evidence reasoning) में सुधार करता है, स्पष्ट शक्ति-अंशांकन (strength-calibration) नीतियां अक्सर अत्यधिक रूढ़िवादिता की ओर ले जाती हैं, जिसका मुख्य कारण मॉडल की साक्ष्य शक्ति को आंकने की अंतर्निहित अक्षमता के बजाय विस्तारित लेबल स्पेस है।
यह शोध पत्र एजेंटिक पब्लिकेशन प्रोटोकॉल (APP) को प्रस्तुत करता है, जो एक हल्का रिपॉजिटरी प्रारूप है जो पांडुलिपियों को कोड, डेटा और एजेंट-उन्मुख निर्देशों के साथ पैकेज करके वैज्ञानिक प्रकाशनों का आधुनिकीकरण करता है ताकि AI एजेंट सीधे परिणामों को पुनरुत्पादित कर सकें, कार्यप्रणाली की व्याख्या कर सकें और भविष्य के अनुसंधान में सहायता कर सकें।
यह शोध पत्र SidConArena प्रस्तुत करता है, जो एक नवीन बेंचमार्क फ्रेमवर्क है जो एक गतिशील, ओपन-एंडेड, पॉजिटिव-सम बारगेनिंग वातावरण में LLM एजेंटों का मूल्यांकन करता है जिसमें नेगोशिएशन (मोलभाव), प्रोडक्शन (उत्पादन) और ऑक्शन (नीलामी) चरण शामिल हैं, और यह प्रकट करता है कि हालांकि मजबूत मॉडल बेहतर आर्थिक परिणाम प्राप्त करते हैं, फिर भी वे संसाधन मूल्यांकन, पैसिव बारगेनिंग और लॉन्ग-होरिजन इन्वेस्टमेंट प्लानिंग (दीर्घकालिक निवेश योजना) के साथ संघर्ष करते हैं।
यह शोध पत्र ब्रेन एमआरआई (MRI) स्कैन को वर्गीकृत करने के लिए रेसनेट18 (ResNet18) और रेसनेट50 (ResNet50) आर्किटेक्चर के साथ ट्रांसफर लर्निंग का उपयोग करते हुए एक स्वचालित डीप लर्निंग फ्रेमवर्क प्रस्तुत करता है, जो यह प्रदर्शित करता है कि 3,929 छवियों के डेटासेट पर उथले रेसनेट18 मॉडल ने रेसनेट50 की तुलना में 97% की बेहतर सटीकता प्राप्त की है।
यह शोध पत्र एक व्याख्यात्मक क्वांटम ऑटोएनकोडर प्रस्तुत करता है जो मस्तिष्क के एमआरआई स्कैन में विसंगतियों का प्रभावी ढंग से पता लगाने के लिए एंगल एनकोडिंग और वेरिएशनल कंप्रेशन का उपयोग करता है, जो एक सीखे हुए सामान्य मैनिफोल्ड के सापेक्ष रोग संबंधी क्षेत्रों की असंपीड्यता (incompressibility) का लाभ उठाकर शास्त्रीय बेसलाइन की तुलना में बेहतर प्रदर्शन प्राप्त करता है।
यह शोध पत्र ट्रांसफॉर्मेशन-अवेयर डिकपलिंग (TAD) का प्रस्ताव करता है, जो एक नवीन 3D सीन ग्राफ जनरेशन फ्रेमवर्क है जो याव रोटेशन (yaw rotations) के तहत विभिन्न प्रेडिकेट्स के विषम ट्रांसफॉर्मेशन व्यवहारों को संबोधित करने के लिए रिलेशन रीजनिंग को स्पष्ट रूप से स्थिर और दिशात्मक शाखाओं में अलग करके व्यूपॉइंट मजबूती में सुधार करता है।
यह शोध पत्र GRAFT को प्रस्तुत करता है, जो *एराबिडोप्सिस थैलियाना* (Arabidopsis thaliana) में जीन अभिव्यक्ति प्रोफाइल को फेनोटाइपिक लक्षण मापों से जोड़ने वाला एक नवीन बहु-मोडल डेटासेट है, और जीनोम-टू-फेनोम चुनौती को संबोधित करने के लिए ग्राफ और हाइपरग्राफ लर्निंग विधियों का उपयोग करके लक्षणों की भविष्यवाणी करने और जीन-लक्षण संबंधों को मान्य करने के लिए बेंचमार्क स्थापित करता है।