22292 पेपर
यह शोध पत्र TempoWave को प्रस्तुत करता है, जो एक नवीन मल्टी-वेवलेट डिजिट एम्बेडिंग इंटरफेस है जो स्केलर टाइम सीरीज़ अवलोकनों को ट्रांसफार्मर-अनुकूल निरूपणों में मैप करता है ताकि लार्ज लैंग्वेज मॉडल्स में संख्यात्मक मिसअलाइनमेंट (numerical misalignment) को दूर किया जा सके, जिससे संदर्भ-जागरूक टाइम सीरीज़ पूर्वानुमान में अत्याधुनिक प्रदर्शन प्राप्त किया जा सके।
यह शोध पत्र 303 C फलनों (functions) के लिए VeriFast विनिर्देशों (specifications) को उत्पन्न करने में आठ प्रॉम्प्टिंग रणनीतियों के माध्यम से दस लार्ज लैंग्वेज मॉडल्स की प्रभावशीलता का अनुभवजन्य मूल्यांकन करता है, जिससे यह स्पष्ट होता है कि जबकि LLMs कार्यात्मक व्यवहार को बनाए रखते हैं, वे मुख्य रूप से डोमेन-विशिष्ट सेपरेशन लॉजिक ज्ञान में त्रुटियों के कारण केवल मामूली सत्यापन सफलता (31.4%) ही प्राप्त करते हैं।
यह शोध पत्र 5,542 ट्रेसेस के एक विशाल संग्रह का उपयोग करते हुए 'विदिन-प्रोग्राम' और 'अनसीन-प्रोग्राम' सेटिंग्स के बीच डीप लर्निंग फॉल्ट डायग्नोसिस में प्रदर्शन अंतराल की जांच करता है, जो यह प्रकट करता है कि जहाँ मौजूदा तकनीकें प्रोग्राम-स्तरीय फीचर संरचनाओं के कारण नए प्रोग्रामों पर सटीकता में महत्वपूर्ण गिरावट का सामना करती हैं, वहीं कर्वेचर फीचर्स विशेष रूप से अनसीन परिदृश्यों के लिए प्रभावी अस्थिरता का पता लगाने की क्षमता प्रदान करते हैं।
यह शोध पत्र "क्लिनिकल हार्नेस" (Clinical Harness) का प्रस्ताव करता है, जो एक रनटाइम गवर्नेंस आर्किटेक्चर है जो जीवनचक्र देखभाल (lifecycle care) का समर्थन करने के लिए अलग-थलग मेडिकल एआई मॉडल्स को जवाबदेह, निरंतर "क्लिनिकल स्किल्स" में व्यवस्थित करता है, जिसे ज्ञान-संचालित, डेटा-संचालित और भौतिकी-संवर्धित क्षमताओं को एकीकृत करने वाले ऑस्टियोपोरोसिस के एक उदाहरण के माध्यम से प्रदर्शित किया गया है।
यह शोध पत्र यह प्रकट करता है कि जहाँ बड़े रीजनिंग मॉडल और मनुष्य दोनों ही कुल मिलाकर कठिन समस्याओं पर अधिक समय आवंटित करते हैं, वहीं वे विपरीत आंतरिक रणनीतियाँ प्रदर्शित करते हैं: मनुष्य उन समस्याओं पर कम समय बिताते हैं जिनमें वे अंततः विफल हो जाते हैं (जो रणनीतिक विसंयोजन का संकेत देता है), जबकि मॉडल अपनी विफलताओं पर अधिक टोकन खर्च करते हैं (जो अनिश्चितता-प्रेरित विचार-विमर्श का संकेत देता है), जो एक महत्वपूर्ण विचलन है जिसे मानक कठिनाई-सहसंबंध मेट्रिक्स द्वारा छिपा दिया जाता है।
यह ट्यूटोरियल पेपर NeuraDock प्रस्तुत करता है, जो एक ओपन-सोर्स, क्वालिटी-गेटेड ईईजी (EEG) एजेंट है जो अल्फा डायनेमिक्स के माध्यम से विजुअल कॉग्निटिव लोड का विश्लेषण करने के लिए एक पुनरुत्पादक (reproducible), एंड-टू-एंड वर्कफ़्लो प्रदान करता है, जो ऑफलाइन प्रीप्रोसेसिंग और रियल-टाइम एप्लिकेशन डिप्लॉयमेंट के बीच के अंतर को पाटता है।
यह शोधपत्र NeuraDock Agent को प्रस्तुत करता है, जो एक ओपन-सोर्स आर्किटेक्चर है जो एक नियत (deterministic) स्थानीय संख्यात्मक इंजन को हार्डवेयर-जागरूक भाषा परत से अलग करके कम-चैनल वाले EEG विश्लेषण की विश्वसनीयता को बढ़ाता है, जिससे यह सुनिश्चित होता है कि लार्ज लैंग्वेज मॉडल्स (LLMs) केवल सत्यापित कार्यान्वयन सीमाओं और वैज्ञानिक सीमाओं के भीतर ही कार्य करें ताकि असमर्थ व्याख्याओं को रोका जा सके।
यह शोध पत्र "इनअटेंशनल गैप" (Inattentional Gap) को प्रस्तुत करता है, जो एक ऐसी घटना है जहाँ कार्य-आधारित (task-conditioned) एआई मॉडल व्यवस्थित रूप से उन सुरक्षा-महत्वपूर्ण संकेतों को रिपोर्ट करने की अपनी क्षमता को दबा देते हैं जिन्हें वे अन्यथा पहचान सकते हैं, जिससे बेंचमार्क सुरक्षा स्कोर और वास्तविक दुनिया की विश्वसनीयता के बीच एक खतरनाक विच्छेद उत्पन्न होता है।
यह शोध पत्र \textsc{DiARC} का प्रस्ताव करता है, जो विज़ुअल ट्रांसफॉर्मेशन (visual transformation), रूल इनवर्जन (rule inversion) और टास्क-स्पेसिफिक एडिटिंग (task-specific editing) के माध्यम से सूचनात्मक नेगेटिव सैंपल्स (informative negative samples) के साथ प्रेफरेंस पेयर्स (preference pairs) का निर्माण करके लार्ज लैंग्वेज मॉडल्स की ARC-जैसी रीजनिंग क्षमताओं को बढ़ाता है, जिससे मॉडल्स को सही और गलत समाधानों के बीच अधिक प्रभावी ढंग से अंतर करने में सक्षम बनाया जा सके।
यह शोध पत्र CRISP को प्रस्तुत करता है, जो एक नवीन नैदानिक मूल्यांकन प्रतिमान (diagnostic evaluation paradigm) है जो धारणा (perception) को तर्क (reasoning) से अलग करने के लिए मीट्रिक 3D सीन ग्राफ और ओरेकल हस्तक्षेपों का उपयोग करता है, जिससे यह पता चलता है कि जहाँ प्रोप्राइटरी मॉडल मजबूत लेटेंट रीजनिंग के बावजूद सटीक मीट्रिक अनुमान में त्रुटिपूर्ण होते हैं, वहीं ओपन-सोर्स मॉडल मौलिक रूप से मल्टी-हॉप कंपोजिशनल रीजनिंग की कमी से सीमित हैं।