23087 पेपर
यह शोध पत्र 144 शोध पत्रों का विश्लेषण करके AI-संवर्धित बाइनरी रिवर्सिंग (AI-augmented binary reversing) पर ज्ञान के पहले व्यापक व्यवस्थितकरण को प्रस्तुत करता है ताकि एक एकीकृत वर्गीकरण स्थापित किया जा सके जो पारंपरिक तकनीकों को आधुनिक AI दृष्टिकोणों से जोड़ता है, जिससे इस क्षेत्र के विकास को स्पष्ट किया जा सके, निरंतर चुनौतियों की पहचान की जा सके और भविष्य के अनुसंधान का मार्गदर्शन किया जा सके।
यह शोध पत्र यह प्रदर्शित करता है कि मॉड्यूलर गुणन (modular multiplication) सीखने वाले ट्रांसफॉर्मर्स की स्पष्ट जटिलता गलत विश्लेषणात्मक आधार (analytical basis) के उपयोग का एक परिणाम है, जो यह प्रकट करता है कि वे वास्तव में एक विरल (sparse), व्याख्या योग्य "डिस्क्रीट-लॉग क्लॉक" (Discrete-Log Clock) एल्गोरिदम को लागू करते हैं, जो गुणन को मल्टीप्लिकेटिव कैरेक्टर्स (multiplicative characters) के स्थान में जोड़ में बदलकर निष्पादित करता है।
यह शोध पत्र एक सुरक्षित, ऑनलाइन अनुकूली नैदानिक निर्णय सहायता एआई प्रणाली प्रस्तुत करता है जो सुरक्षा बाधाओं का पालन करते हुए और न्यूनतम नैदानिक हस्तक्षेप की आवश्यकता के साथ व्यक्तिगत उपचार अनुशंसाओं को अनुकूलित करने के लिए उपचार प्रभाव अनुमान, रोगी डिजिटल ट्विन सिमुलेशन और सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) को एकीकृत करती है।
यह शोध पत्र फेनमैन-कैक रीवेटेड श्रोडिंगर ब्रिज मैचिंग (FKRSBM) का प्रस्ताव करता है, जो एक नवीन सामंजस्य पद्धति है जो सतह-आधारित टॉ-पेट (Tau PET) इमेजिंग में साइट-प्रेरित परिवर्तनशीलता को प्रभावी ढंग से हटाने के लिए एंट्रॉपी-नियमित अनुकूलतम परिवहन और उपसमूह-जागरूक रीवेटिंग का उपयोग करती है, साथ ही जैविक रूप से सार्थक संकेतों को संरक्षित करती है और डाउनस्ट्रीम रोग वर्गीकरण में सुधार करती है।
इकोकार्डियोग्राफिक व्यू वर्गीकरण में डेटा की कमी और फ्रेम गुणवत्ता के विविधताओं जैसी चुनौतियों को संबोधित करने के लिए, यह शोध पत्र सबसे बड़े सार्वजनिक रूप से उपलब्ध डेटासेट (EV9V) और एक नवीन स्पैटियो-टेम्पोरल फ्यूजन मॉडल (STFM) को प्रस्तुत करता है जो मजबूत वीडियो वर्गीकरण के लिए स्थानिक शारीरिक संरचनाओं को टेम्पोरल कार्डियक डायनेमिक्स के साथ प्रभावी ढंग से संयोजित करने हेतु अनसर्टेन्टी-अवेयर लर्निंग का लाभ उठाता है।
यह शोध पत्र प्रकट करता है कि बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल्स) उत्पाद अनुशंसाओं में स्थापित ब्रांडों के प्रति एक मजबूत पक्षपात प्रदर्शित करते हैं, जो प्रसिद्ध ब्रांडों के लिए एक "सशर्त एकाधिकार" (कंडीशनल मोनोपोली) बनाता है जिसे मामूली गुणवत्ता लाभ या निर्मित अधिकार दावों द्वारा तोड़ा जा सकता है, जो अंततः ब्रांडों को एक सामाजिक दुविधा की ओर धकेलता है जहाँ सार्वभौमिक अनुकूलन रणनीतियाँ व्यक्तिगत प्रतिफल को अत्यधिक कम कर देती हैं।
यह शोध पत्र MapSatisfyBench प्रस्तुत करता है, जो वास्तविक दुनिया के डेटा और एक 'रिस्टोर-आइडेंटिफाई-फिल्टर' (restore-identify-filter) ढांचे से निर्मित एक नया बेंचमार्क है, जिसका उद्देश्य मानचित्र सेवाओं में बड़े भाषा मॉडल एजेंटों की निहित निर्णय कारकों को सक्रिय रूप से पुनः प्राप्त करने और उपयोगकर्ता की आवश्यकताओं को पूरा करने की क्षमता का मूल्यांकन करना है, जो यह प्रकट करता है कि वर्तमान एजेंट स्पष्ट कार्यों में तो उत्कृष्ट हैं लेकिन संतुष्टि-जागरूक स्थानिक निर्णय लेने में संघर्ष करते हैं।
यह शोध पत्र मॉडल क्षमताओं और हार्नेस व्यवहार के बीच "इरादा-निष्पादन अंतराल" (intent-execution gap) को एक महत्वपूर्ण सिस्टम समस्या के रूप में प्रस्तुत करता है, जो इस बेमेल को कम करने के लिए अनुकूलन योग्य "सिंपल स्ट्रैंड्स एजेंट" (SSA) ढांचे का प्रस्ताव देता है और 138k एजेंट प्रक्षेपवक्रों (trajectories) के सूक्ष्म विश्लेषण के माध्यम से मॉडल-विशिष्ट समस्या-समाधान पैटर्न को उजागर करता है।
यह शोध पत्र \textsc{CEO-Bench} प्रस्तुत करता है, जो एक मल्टी-एजेंट बेंचमार्क है जो विरोधाभासी हितधारक सलाह के तहत रणनीतिक संसाधन पुनर्वितरण पर LLMs का मूल्यांकन करता है, जिससे यह प्रकट होता है कि जहाँ फ्रंटियर मॉडल संरचनात्मक रूप से वैध योजनाएँ बना सकते हैं, वहीं वे सलाहकार कैप्चर (advisor capture) और विविध दृष्टिकोणों को एकीकृत करने तथा निर्णायक कार्रवाई करने के बीच के ट्रेड-ऑफ जैसी व्यवस्थित विफलताओं के कारण रणनीतिक अंशांकन (strategic calibration) में संघर्ष करते हैं।
यह शोध पत्र AUTOGATE प्रस्तुत करता है, जो एक एजेंटिक फ्रेमवर्क है जो मशीन लर्निंग-आधारित वेवफॉर्म क्लस्टरिंग को LLM-संचालित RTL रीराइटिंग के साथ जोड़ता है ताकि बड़े औद्योगिक कोडबेस में स्केलेबल, वर्कलोड-अवेयर फाइन-ग्रेन क्लॉक गेटिंग को सक्षम किया जा सके, जिससे महत्वपूर्ण डायनेमिक पावर रिडक्शन प्राप्त होता है।