23154 पेपर
यह शोध पत्र अनदेखे संश्लेषण विधियों (synthesis methods) के विरुद्ध सामान्यीकरण को बढ़ाने के लिए लेयर-वाइज़ गेटिंग के साथ सेल्फ-सुपरवाइज्ड स्पीच मॉडल्स को मिक्सचर-ऑफ़-एक्सपर्ट्स आर्किटेक्चर में परिवर्तित करने का प्रस्ताव देता है, जिससे 14 स्पूफिंग डेटासेट्स में मैक्रो EER में 11.9% का सापेक्ष सुधार प्राप्त हुआ है।
यह शोध पत्र यह प्रदर्शित करता है कि श्रव्य-सीमा (audible-range) के ध्वनिक कंपन व्यावसायिक कैमरों को भौतिक रूप से प्रतिध्वनित (resonate) कर स्थिरीकरण आर्टिफ़ैक्ट्स (stabilization artifacts) उत्पन्न कर सकते हैं, जिससे YOLO11 जैसे AI-आधारित कंप्यूटर विज़न मॉडल वस्तुओं को गलत वर्गीकृत या मतिभ्रम (hallucinate) कर सकते हैं, जिससे इस प्रकार के हमलों की प्रभावकारिता को प्रभावित करने वाले नए खतरों और कारकों का पता चलता है।
यह शोध पत्र Parallel-Synthesis को प्रस्तुत करता है, जो एक प्लग-एंड-प्ले फ्रेमवर्क है जो LLM एजेंटों को समानांतर वर्कर शाखाओं (parallel worker branches) के KV कैश से सीधे आउटपुट सिंथेसाइज करने में सक्षम बनाता है, जिससे अनावश्यक टेक्स्ट कॉनकैटिनेशन (text concatenation) समाप्त हो जाता है और विविध कार्यों में प्रदर्शन को बनाए रखते हुए या सुधारते हुए विलंबता (latency) को काफी कम कर देता है।
यह शोध पत्र "CottonLeafVision" प्रस्तुत करता है, जो एक व्याख्यात्मक और सुदृढ़ डीप लर्निंग फ्रेमवर्क है जो वास्तविक दुनिया के कृषि प्रबंधन के लिए कपास की पत्तियों के रोगों को वर्गीकृत करने में 98% सटीकता प्राप्त करने हेतु व्याख्यात्मकता और एडवरसैरियल ट्रेनिंग तकनीकों द्वारा संवर्धित एक DenseNet201 मॉडल का उपयोग करता है।
यह शोध पत्र सिद्ध करता है कि एआई के साथ प्रूफ़ असिस्टेंट (proof assistants) को जोड़कर मूल्यवान गणित उत्पन्न करने के लिए, अनलिखित मूल्यवान प्रमेयों के इष्टतम कवरेज को प्राप्त करने हेतु प्रमाणित लेकिन तुच्छ कथनों के एक अनंत प्रवाह की आवश्यकता होती है, क्योंकि सीमित से अधिकतम खोज की ओर संक्रमण, तुच्छता की उत्पादन दर के बजाय उसकी अनुमति पर निर्भर करता है।
यह शोध पत्र एक डीप ऑपरेटर नेटवर्क (DeepONet) फ्रेमवर्क प्रस्तावित करता है, जिसे अवशिष्ट शिक्षण (residual learning) और एक डेटा एकत्रीकरण रणनीति के साथ उन्नत किया गया है, ताकि पावर ग्रिड सिम्युलेटर्स में एकीकरण के लिए सिंक्रोनस जनरेटरों की गतिशील क्षणिक प्रतिक्रिया (dynamic transient response) का सटीक अनुमान और सिमुलेशन लगाया जा सके।
यह शोध पत्र यह प्रदर्शित करता है कि रिमूव-एंड-रिट्रेन (ROAR) बेंचमार्क की वैधता इसलिए समझौतापूर्ण है क्योंकि पोस्ट-प्रोसेसिंग एट्रिब्यूशन मैप्स बिना कोई जानकारी जोड़े कृत्रिम रूप से स्कोर में सुधार कर सकते हैं, जो स्थानिक रूप से धुंधले मास्क (spatially blurry masks) के प्रति एक व्यवस्थित पूर्वाग्रह को प्रकट करता है जो फीचर एट्रिब्यूशन विधियों का सटीक मूल्यांकन करने की इसकी क्षमता को कमजोर करता है।
प्रिज्म (Prism) एक मेमोरी-केंद्रित LLM को-सर्विंग फ्रेमवर्क है जो 'kvcached' नामक एक नवीन मेमोरी बैलूनिंग तकनीक का उपयोग करता है, जो कई मॉडलों के बीच GPU मेमोरी को गतिशील रूप से पुनः प्राप्त करने और पुनर्वितरित करने के लिए स्थानिक और लौकिक साझाकरण (spatial and temporal sharing) को एकीकृत करता है, जिससे उत्पादन वातावरण में लागत-दक्षता और SLO अनुपालन में सुधार होता है।
यह शोध पत्र ट्रांसफार्मर के इन-कॉन्टेक्स्ट सामान्यीकरण (in-context generalization) को बेहतर बनाने के लिए क्यूरेटेड, लघु-स्तरीय, डोमेन-विशिष्ट डेटासेट्स का उपयोग करते हुए एक मेटा-लर्निंग प्रशिक्षण रणनीति प्रस्तावित करता है, जो यह प्रदर्शित करता है कि यह दृष्टिकोण बड़े पैमाने पर प्रशिक्षण के तुलनीय प्रदर्शन प्राप्त करने के साथ-साथ बेहतर डेटा गुणवत्ता, मॉड्यूलैरिटी और विस्मृति (forgetting) के विरुद्ध श्रेष्ठ सुदृढ़ता प्रदान करता है।
यह शोध पत्र प्रदर्शित करता है कि बड़े भाषा मॉडल स्वाभाविक रूप से मानव मनोविज्ञान के अनुरूप पदानुक्रमित भावनात्मक संरचनाएं विकसित करते हैं, और साथ ही साथ भावना पहचान में व्यवस्थित पूर्वाग्रहों को प्रकट करते हैं जो अल्पप्रतिनिधित्व वाले समूहों को असमान रूप से प्रभावित करते हैं।