22042 पेपर
यह शोध पत्र एक लेटेंट ODE फ्रेमवर्क पेश करता है जो कार्डियक एमआरआई से निरंतर पूर्ण-चक्र वेंट्रिकुलर गति को एक प्रोग्नोस्टिक लेटेंट प्रक्षेपवक्र (ट्रैजेक्टरी) में एनकोड करता है, जो एक बड़े यूके बायोबैंक कोहोर्ट में पारंपरिक सूचकांकों और स्थापित कार्डियक मार्करों की तुलना में घटित होने वाली हार्ट फेल्योर के बेहतर पूर्वानुमान को प्रदर्शित करता है।
यह शोध पत्र "Robust Onion" प्रस्तुत करता है, जो एक व्यापक अनुभवजन्य अध्ययन है जो व्यवस्थित रूप से विश्लेषण करता है कि कैसे सिंथेटिक शोर (synthetic noise) ओपन वोकेबुलरी ऑब्जेक्ट डिटेक्टर्स को खराब करता है, यह प्रकट करते हुए कि मजबूती मुख्य रूप से विज़न बैकबोन में इमेज डोमेन और फीचर कोलैप्स द्वारा शासित होती है न कि एनोटेशन द्वारा, जिससे एक हल्का प्लग-एंड-प्ले तरीका प्राप्त होता है जो न्यूनतम प्रशिक्षण योग्य मापदंडों के साथ मजबूती में महत्वपूर्ण सुधार करता है।
ResilPhase एक प्लग-एंड-प्ले फ्रेमवर्क है जो डिफ्यूजन मॉडल्स को तेज़ करता है, जो इन्फरेंस को ODE स्पेस में स्थिर मैक्रो-ट्रैजेक्टरी एक्सट्रपलेशन के रूप में पुनर्गठित करता है, और मौजूदा कैश-देन-फोरकास्ट विधियों में निहित गुणवत्ता गिरावट और अस्थिरता को दूर करने के लिए एक डेरिवेटिव-फ्री बैरीसेंट्रिक लैग्रेंज एक्सट्रैपोलेटर और बाउंडेड फेज मैपिंग का उपयोग करता है।
यह शोध पत्र AIGP का प्रस्ताव करता है, जो एक LLM-आधारित फ्रेमवर्क है जो व्याख्यात्मक, दीर्घकालिक मूल्य-संरेखित गतिशील मूल्य निर्धारण प्राप्त करने के लिए ऑफलाइन रीइन्फोर्समेंट लर्निंग और डायरेक्ट प्रेफरेंस ऑप्टिमाइज़ेशन के माध्यम से प्रशिक्षित लॉन्ग-टर्म वैल्यू एस्टिमेटर के साथ सुपरवाइज्ड फाइन-ट्यूनिंग को एकीकृत करता है, जो बड़े पैमाने के ई-कॉमर्स A/B परीक्षणों में GMV, ROI और माइलस्टोन उपलब्धि दरों में महत्वपूर्ण सुधार प्रदर्शित करता है।
NaviCache वीडियो डिफ्यूजन मॉडल्स के लिए एक प्लग-एंड-प्ले टेस्ट-टाइम सेल्फ-कैलिब्रेशन विधि है जो फीचर इवोल्यूशन को इनर्शियल नेविगेशन सिस्टम समस्या के रूप में पुनर्कल्पित करती है ताकि ऑफलाइन कैलिब्रेशन डेटा पर निर्भर रहे बिना एरर-बाउंडेड कंप्यूटेशन स्किपिंग और बेहतर त्वरण प्रदर्शन प्राप्त किया जा सके।
यह शोध पत्र "कैपेबिलिटी फ्रंटियर" (Capability Frontier) को प्रस्तुत करता है, जो एक पारेटो-इष्टतम (Pareto-optimal) मूल्यांकन ढांचा है जो यह प्रकट करता है कि मौजूदा बेंचमार्क व्यवस्थित रूप से वास्तविक दुनिया के एलएलएम (LLM) प्रदर्शन को 82% तक कम करके आंकते हैं क्योंकि वे विविध मॉडलों की पूरक शक्तियों और कई पीढ़ियों (generations) में से सर्वश्रेष्ठ आउटपुट चुनने के लाभों को ध्यान में रखने में विफल रहते हैं।
यह शोध पत्र LCAi प्रस्तुत करता है, जो एक परिप्रेक्ष्य-सशर्त रिट्रीवल-ऑगमेंटेड जनरेशन फ्रेमवर्क है जो बहु-स्रोत डेटा और नियंत्रित संश्लेषण को एकीकृत करता है ताकि मतिभ्रम (hallucinations) को कम किया जा सके और अनिश्चितता के तहत जीवन चक्र मूल्यांकन परिणामों को कार्रवाई योग्य रणनीतिक मार्गों में अनुवादित किया जा सके, जैसा कि हाइड्रोजन-सक्षम सेब उत्पादन के केस स्टडी में प्रदर्शित किया गया है।
यह शोध पत्र एक मॉड्यूलर पाइपलाइन और 70 सिंथेटिक अनुदैर्ध्य (लॉन्गीटुडिनल) रोगी रिकॉर्ड का एक संगत डेटासेट प्रस्तुत करता है, जिसमें प्रत्येक रिकॉर्ड में 20-50 नैदानिक नोट्स हैं, जिन्हें आंतरिक निरंतरता और यथार्थवादी भिन्नता सुनिश्चित करते हुए गोपनीयता-संरक्षित नैदानिक एआई उपकरणों के विकास और मूल्यांकन को समर्थन देने के लिए लार्ज लैंग्वेज मॉडल्स का उपयोग करके तैयार किया गया है।
यह शोध पत्र MO-DiT+HPPO प्रस्तुत करता है, जो एक जनरेटिव रिट्रीवल फ्रेमवर्क है जो निरंतर एम्बेडिंग स्पेस में पैटर्न संरक्षण और एट्रिब्यूट टारगेटिंग के बीच प्रभावी ढंग से संतुलन बनाने के लिए मेट्रिक-ऑर्डर्ड सीक्वेंस ट्रेनिंग और हाइब्रिड-पॉलिसी प्रेफरेंस ऑप्टिमाइज़ेशन को संयोजित करता है।
यह शोध पत्र Robust-TO को प्रस्तुत करता है, जो एक एजेंटिक वीडियो समझ ढांचा (framework) है जो प्रति-फ्रेम विश्वसनीयता स्कोर को एक एकीकृत टूल ऑर्केस्ट्रेशन सिस्टम में एकीकृत करके "ब्लाइंड ट्रस्ट प्रॉब्लम" को कम करता है, जिससे अत्याधुनिक मॉडलों की तुलना में सटीकता और दृश्य भ्रष्टाचार (visual corruptions) के विरुद्ध मजबूती में महत्वपूर्ण सुधार होता है।