23087 पेपर
यह शोध पत्र सिमेंटिक-अवेयर यूनिवर्सल परटर्बेशन (SAUP) को प्रस्तुत करता है, जो एक नया हमला है जो एक एकल एडवर्सरियल परटर्बेशन का लाभ उठाकर स्टेटलेस मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स को हाईजैक करता है, जो एक सिमेंटिक राउटर के रूप में कार्य करता है और विविध इनपुट्स को हमलावर द्वारा परिभाषित लक्ष्यों की ओर निर्देशित करता है, जिससे प्रतिनिधि मॉडलों पर कई लक्ष्यों के विरुद्ध 66% सफलता दर प्राप्त होती है।
फिनिश K-12 छात्रों के इस अध्ययन से पता चलता है कि स्वयं-अनुभूत एआई (AI) सक्षमता जोखिम धारणा को महत्वपूर्ण रूप से आकार देती है, जिसमें कम-सक्षमता वाले छात्र व्यक्तिगत शिक्षण संबंधी कमियों पर ध्यान केंद्रित करते हैं जबकि उच्च-सक्षमता वाले छात्र प्रणालीगत और संस्थागत चिंताओं को प्राथमिकता देते हैं, जो शिक्षा में एकीकृत एआई साक्षरता की आवश्यकता को रेखांकित करता है।
यह शोध पत्र InstructTime++ का प्रस्ताव करता है, जो एक नया फ्रेमवर्क है जो क्रॉस-मोडल रिप्रजेंटेशन अलाइनमेंट और वर्गीकरण प्रदर्शन को बढ़ाने के लिए लैंग्वेज मॉडल्स के साथ इम्प्लिसिट फीचर माइनिंग को एकीकृत करके टाइम सीरीज़ क्लासिफिकेशन को एक मल्टीमॉडल जेनेरेटिव टास्क के रूप में पुनर्गठित करता है।
HeRo-Q एक नवीन पोस्ट-ट्रेनिंग क्वांटाइजेशन फ्रेमवर्क है जो हेसियन मैट्रिक्स (Hessian matrix) को कंडिशन करने के लिए एक सीखने योग्य रोटेशन-कंप्रेशन मैट्रिक्स लागू करके लो-बिट रिजीम्स (low-bit regimes) में स्थिरता को बढ़ाता है, जिससे क्वांटाइजेशन शोर के प्रति संवेदनशीलता कम होती है और यह GPTQ और AWQ जैसे अत्याधुनिक तरीकों से बेहतर प्रदर्शन करता है।
यह शोध पत्र विषय वर्गीकरण के लिए सुपरवाइज्ड मल्टी-लेबल क्लासिफिकेशन को सारांश के लिए जनरेटिव एआई के साथ जोड़कर उपयोगकर्ता फीडबैक के बड़े आयतन का कुशलतापूर्वक विश्लेषण करने की तकनीकों को प्रस्तुत करता है, साथ ही यह प्रदर्शित करता है कि सेंटिमेंट एनालिसिस समग्र उत्पाद संतुष्टि के लिए एक अविश्वसनीय प्रॉक्सी है, जिसे स्पष्ट रूप से मापा जाना चाहिए।
यह शोध पत्र डिफ्यूजन इनवर्स समस्याओं के लिए एक पोस्टीरियर कंटीन्यूएशन फ्रेमवर्क प्रस्तावित करता है जो शोर के स्तरों के आधार पर माप आवृत्तियों को अनुकूल रूप से उजागर करता है और सैंपलिंग को स्थिर करने के लिए एक हार-डोमेन कमिटमेंट नियम का उपयोग करता है, जिससे सुपर-रिज़ॉल्यूशन, इनपेंटिंग और डीब्लरिंग जैसे कार्यों में महत्वपूर्ण प्रदर्शन सुधार प्राप्त होता है।
KNIGHT एक नॉलेज ग्राफ-संचालित फ्रेमवर्क है जो बाहरी स्रोतों से उच्च-गुणवत्ता वाले, कठिनाई-नियंत्रित बहुविकल्पीय प्रश्न डेटासेट को कुशलतापूर्वक उत्पन्न करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे RAG सिस्टम के मूल्यांकन के लिए मैनुअल असेसमेंट निर्माण की लागत और समय संबंधी बाधाओं को दूर किया जा सके।
यह शोध पत्र एक बहु-उद्देश्यीय हाइपरपैरामीटर अनुकूलन ढांचे का प्रस्ताव करता है जो टिकाऊ एआई के लिए मॉडल की सटीकता को अधिकतम करने और कम्प्यूटेशनल संसाधन खपत को कम करने के लिए अत्याधुनिक बहु-सटीकता (multi-fidelity) तकनीकों को डीप शिफ्ट न्यूरल नेटवर्क के साथ जोड़ता है।
यह शोध पत्र रेसिडुअल इंटीग्रल सॉल्वर नेटवर्क (RISN) को प्रस्तुत करता है, जो एक नवीन आर्किटेक्चर है जो जटिल, बहु-आयामी और दोलनशील इंटीग्रल और इंटेग्रो-डिफरेंशियल समीकरणों को हल करने के लिए उच्च-सटीक संख्यात्मक विधियों के साथ रेसिडुअल कनेक्शन को जोड़ता है ताकि मौजूदा फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क्स की तुलना में बेहतर सटीकता और स्थिरता के साथ प्रदर्शन किया जा सके।
यह शोध पत्र MedicalAgentsBench प्रस्तुत करता है, जो 862 जटिल नैदानिक प्रश्नों का एक क्यूरेटेड बेंचमार्क है, यह प्रदर्शित करने के लिए कि आंतरिक तर्क मॉडल (internalized reasoning models) को बाहरी एजेंट-आधारित ढांचे (externalized agent-based frameworks) के साथ संयोजित करने से अकेले किसी भी दृष्टिकोण की तुलना में बेहतर प्रदर्शन और लागत-दक्षता प्राप्त होती है।