22492 पेपर
यह शोध पत्र एक ऐसे ढांचे का प्रस्ताव करता है जो अमूर्त तार्किक संरचनाओं और भाषाई संकेतों को संयोजित करने वाले डेटा-संचालित पैटर्न को आगमनात्मक रूप से निकालने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जो ज़ीरो-शॉट बेसलाइन और मौजूदा विधियों की तुलना में दोषपूर्ण तर्क (fallacy) वर्गीकरण की सटीकता और सामान्यीकरण में महत्वपूर्ण सुधार करता है।
यह शोध पत्र कलमन प्रोटोटाइपिकल नेटवर्क (KPN) को प्रस्तुत करता है, जो एक नवीन फ्यू-शॉट लर्निंग फ्रेमवर्क है जो डेटा-दुर्लभ स्थितियों के तहत कंबाइंड साइकिल गैस टर्बाइनों में दोषों का पता लगाने की सटीकता और स्थिरता को महत्वपूर्ण रूप से बढ़ाने के लिए क्लास प्रोटोटाइप्स को लेटेंट स्टोकेस्टिक स्टेट्स के रूप में मॉडल करता है।
यह शोध पत्र MLFFM-SegDiff प्रस्तावित करता है, जो एक मल्टी-लेवल फीचर फ्यूजन डिफ्यूजन मॉडल है जो डर्मोस्कोपिक छवियों में धुंधली सीमाओं और आर्टिफैक्ट्स जैसी चुनौतियों से निपटने के लिए एक डुअल-पाथ यू-नेट एनकोडर, एक अटेंशन-आधारित फ्यूजन मॉड्यूल और एक बाउंड्री-सेंसिटिव लॉस को एकीकृत करता है, जिससे स्किन लीजन सेगमेंटेशन बेंचमार्क पर स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त होता है।
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।