23093 पेपर
ActiveSAM एक प्रशिक्षण-मुक्त (training-free), ज़ीरो-शॉट फ्रेमवर्क है जो SAM 3 के साथ पूर्ण-रिज़ॉल्यूशन डिकोडिंग के लिए वर्गों के एक सक्रिय उपसमुच्चय (active subset) की पहचान करने के लिए कम-रिज़ॉल्यूशन प्रीव्यू का उपयोग करके ओपन-वोकैबुलरी सिमेंटिक सेगमेंटेशन की गति और सटीकता को बढ़ाता है, जिससे यह दक्षता और मजबूती दोनों में मौजूदा विधियों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र HAMON को प्रस्तुत करता है, जो एक निष्क्रिय विवर्तनिक ऑप्टिकल पूर्वानुमान कोर (passive diffractive optical forecasting core) है जो डिजिटल अनुक्रम मिश्रण (digital sequence mixing) के बिना लंबी अवधि के टाइम-सीरीज़ पूर्वानुमान करने के लिए फ्री-स्पेस डिफ्रैक्शन और ट्रेन करने योग्य फेज़ मास्क का लाभ उठाता है, जो कई बेंचमार्क पर मजबूत डिजिटल बेसलाइन के मुकाबले प्रतिस्पर्धी या बेहतर प्रदर्शन प्राप्त करता है और ऑप्टिकल हार्डवेयर कार्यान्वयन के लिए एक ठोस लक्ष्य को परिभाषित करता है।
यह अध्ययन प्रदर्शित करता है कि डीप इमेज क्लासिफायर, जिनमें CNN और विजन ट्रांसफॉर्मर शामिल हैं, छवि की पहचान को मुख्य रूप से परिमाण (मैग्निट्यूड) के बजाय फेज़ या साइन सूचना के माध्यम से आंतरिक रूप से एनकोड करते हैं, जो इन आर्किटेक्चर के बीच टेक्सचर-शेप गैप के लिए एक यांत्रिक स्पष्टीकरण प्रदान करता है।
यह शोध पत्र प्रिसक्रिप्टिव प्रोसेस मॉनिटरिंग के लिए एक सुदृढीकरण शिक्षण (Reinforcement Learning) ढांचे का प्रस्ताव करता है जो प्रमुख प्रदर्शन संकेतकों (KPIs) को अनुकूलित करने के लिए कार्यों की सिफारिश करने हेतु ऐतिहासिक इवेंट लॉग्स से सीधे इष्टतम व्यवहार संबंधी नीतियों को सीखता है, जो एक मॉडल-आधारित मार्कोव निर्णय प्रक्रिया दृष्टिकोण की एक मॉडल-मुक्त डीप आरएल विधि के साथ तुलना करता है और यह प्रदर्शित करता है कि दोनों प्रभावी ढंग से KPIs में सुधार करते हैं जबकि मॉडल-आधारित दृष्टिकोण बेहतर कम्प्यूटेशनल दक्षता प्रदान करता है।
यह शोध पत्र ANSR-DT प्रस्तुत करता है, जो एक न्यूरो-सिंबोलिक फ्रेमवर्क है जो औद्योगिक प्रणालियों में पारदर्शी विसंगति पहचान (anomaly detection) और निर्णय सहायता के लिए एक विश्वसनीय, व्याख्या योग्य और अनुकूलनशील डिजिटल ट्विन बनाने हेतु CNN-LSTM पैटर्न रिकग्निशन, Prolog-आधारित तर्क (reasoning), और PPO-संचालित अनुकूलन को एकीकृत करता है।
यह शोध पत्र एक स्व-पर्यवेक्षित (self-supervised) दृष्टिकोण प्रस्तावित करता है जो सामान्यीकृत, सुदृढ़ मीट्रिक डेप्थ समझ प्राप्त करने के लिए एक साइनुसोइडल डेप्थ-एनकोडेड एडैप्टर के साथ प्रीट्रेन RGB एनकोडर्स का विस्तार करता है और बिना फाइन-ट्यूनिंग के विभिन्न RGB-D डाउनस्ट्रीम कार्यों में उत्कृष्ट प्रदर्शन करता है।
सेंटिनल (Sentinel) एक हल्का, प्रशिक्षण-मुक्त संदर्भ संपीड़न (context compression) ढांचा है जो केवल एक सिंगल फॉरवर्ड पास का उपयोग करके 5 तक संपीड़न के साथ कुशल, उच्च-प्रदर्शन वाले रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) को प्राप्त करने के लिए फ्रोजन (frozen) LLMs से इन्फरेंस-टाइम अटेंशन पैटर्न को डिकोड करता है।
अल्ट्रास्केचएलएलएम (UltraSketchLLM) एक डेटा स्केच-आधारित संपीड़न विधि पेश करता है जो न्यूनतम प्रदर्शन गिरावट के साथ सब-1-बिट (0.5 बिट प्रति वेट) एलएलएम संपीड़न और हार्डवेयर-अनुकूल ऑपरेटरों के माध्यम से 14.9x की गति वृद्धि प्राप्त करता है।
यह शोध पत्र तर्क (reasoning) को मार्कोव ट्रांज़िशन (Markov transitions) के रूप में मॉडल करके पोस्ट-ट्रेनिंग में अन्वेषण (exploration) के विरोधाभास को हल करता है, सैद्धांतिक रूप से यह सिद्ध करते हुए कि RLVR और ORM/PRM जैसी मानक विधियाँ मॉडलों को उच्च-संभाव्यता वाले पथों की ओर पक्षपाती बनाती हैं और दुर्लभ तर्क चरणों को भुला देती हैं, जबकि यह प्रदर्शित करते हुए कि इंस्टेंस रिजेक्शन (instance rejection) और KL रेगुलराइजेशन (KL regularization) जैसी अन्वेषण रणनीतियाँ इन महत्वपूर्ण प्रक्षेप पथों (trajectories) को संरक्षित करने में मदद करती हैं।
यह शोध पत्र हिस्टोग्राम ऑटोएन्कोडर (HistoAE) को प्रस्तुत करता है, जो एक अनसुपरवाइज्ड डीप लर्निंग मॉडल है जिसमें एक कस्टम हिस्टोग्राम-आधारित लॉस है जो सिलिकॉन माइक्रोस्ट्रिप डिटेक्टरों के लिए एक भौतिक रूप से व्याख्या योग्य लेटेंट स्पेस बनाता है, जो पारंपरिक तरीकों के तुलनीय उच्च-परिशुद्धता चार्ज और स्थिति माप प्राप्त करने के साथ-साथ तेज़ डिटेक्टर सिमुलेशन को सक्षम बनाता है।