23200 पेपर
यह शोध पत्र AIDev डेटासेट का विश्लेषण करता है ताकि उन 14 विशिष्ट कारणों की पहचान की जा सके जिनके कारण लगभग आधे AI-जनित पुल रिक्वेस्ट (pull requests) अस्वीकार कर दिए जाते हैं, और एजेंट के प्रदर्शन, कार्य प्राथमिकता और सॉफ्टवेयर विकास वर्कफ़्लो में एकीकरण को बेहतर बनाने के लिए कार्रवाई योग्य मार्गदर्शन प्रदान करने हेतु इन विफलता मोडों को वर्गीकृत करता है।
यह शोध पत्र SupraBench प्रस्तुत करता है, जो बाइंडिंग एफिनिटी प्रेडिक्शन और होस्ट-गेस्ट रीजनिंग जैसे मौलिक सुप्रामोलिकुलर केमिस्ट्री कार्यों पर लार्ज लैंग्वेज मॉडल्स का मूल्यांकन करने के लिए डिज़ाइन किया गया पहला बेंचमार्क है, साथ ही डोमेन एडाप्टेशन में सहायता के लिए एक विशेष 16M-टोकन कॉर्पस (SupraPMC) भी जारी करता है।
CRAFTIIF एक पूर्णतः अनसुपरवाइज्ड (unsupervised) फ्रेमवर्क है जो क्रॉस-रेज़ोल्यूशन एनालिटिक वेवलेट फीचर्स और एक विशिष्ट पांच-शाखा वाले आइसोलेशन फॉरेस्ट आर्किटेक्चर का उपयोग करके मल्टीवेरिएट टाइम सीरीज़ विसंगति पहचान (anomaly detection) में स्टेट-ऑफ-द-आर्ट प्रदर्शन और अंतर्निहित व्याख्यात्मकता प्राप्त करता है, जिससे बिना किसी डेटासेट-विशिष्ट ट्यूनिंग के पॉइंट, डिस्ट्रिब्यूशनल, टेम्पोरल और कलेक्टिव विसंगतियों को एक साथ पहचाना जा सकता है।
यह शोध पत्र MinkUNeXt-VINE++ प्रस्तुत करता है, जो एक नवीन प्लेस रिकग्निशन (स्थान पहचान) विधि है जो विनीयार्ड (अंगूर के बागों) जैसे असंरचित और दोहराव वाले कृषि वातावरणों में मजबूती और सटीकता को महत्वपूर्ण रूप से सुधारने के लिए Livox Mid-360 और Velodyne VLP-16 सेंसरों से प्राप्त विषम LiDAR डेटा के अर्ली फ्यूजन (early fusion) को एक सीखे हुए री-रैंकिंग स्ट्रैटेजी (learned re-ranking strategy) के साथ जोड़ता है।
यह शोध पत्र एक माप-कैलिब्रेटेड मल्टी-कैमरा फ्यूजन दृष्टिकोण प्रस्तावित करता है जो डेटा फ्यूजन को अनुकूलित करने के लिए एकल-कैमरा स्थानीयकरण त्रुटियों को स्पष्ट रूप से अभिलक्षणिक बनाता है, यह प्रदर्शित करते हुए कि जबकि पूर्ण सटीकता में लाभ सीमित हैं, यह विधि स्थिर इनडोर पोजिशनिंग के लिए प्रक्षेपवक्र भिन्नता (ट्रैजेक्टरी वेरिएंस) को काफी कम करती है और गति की सुगमता में सुधार करती है।
यह शोध पत्र क्लाउडकॉन्स (CloudCons) का परिचय देता है, जो विविध वास्तविक दुनिया के क्लाउड डेटासेट्स का उपयोग करने वाला एक व्यापक एंड-टू-एंड बेंचमार्क है, यह प्रदर्शित करने के लिए कि हालांकि फाउंडेशन मॉडल्स ज़ीरो-शॉट फोरकास्टिंग सटीकता में उत्कृष्ट हैं, लेकिन उनका बेहतर प्रदर्शन स्वचालित रूप से रिसोर्स कंसोलिडेशन में बेहतर निर्णय उपयोगिता में परिवर्तित नहीं होता है, जो दक्षता और विश्वसनीयता को संतुलित करने में प्रेडिक्टिव क्वांटाइल चयन की महत्वपूर्ण भूमिका को उजागर करता है।
यह शोध पत्र AgentRivet प्रस्तुत करता है, जो जर्नल प्रकाशनों से भौतिकी विश्लेषण विवरण निकालने और रिवेट (Rivet) रूटीन उत्पन्न करने के लिए लार्ज लैंग्वेज मॉडल्स का उपयोग करने वाला एक स्वचालित वर्कफ़्लो है, जिससे कण भौतिकी में मॉडल-स्वतंत्र मापों के कवरेज के महत्वपूर्ण अंतर को दूर किया जा सके।
यह शोध पत्र UMG-RAG का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त (training-free) हाइब्रिड रिट्रीवल फ्रेमवर्क है जो अनिश्चितता अनुमान (uncertainty estimation) के आधार पर कई चंक ग्रैनुलैरिटीज़ से साक्ष्य को गतिशील रूप से संलयित (fuse) करता है और मौजूदा रिट्रीवर्स या जनरेटर्स को संशोधित किए बिना लॉन्ग-डॉक्यूमेंट RAG प्रदर्शन को बढ़ाने के लिए एक पैरेंट प्रमोशन वेरिएंट (UMGP-RAG) पेश करता है।
यह शोध पत्र एक बेयसियन इन्फरेंस फ्रेमवर्क (Bayesian inference framework) प्रस्तावित करता है जो स्वास्थ्य एआई (health AI) में कोल्ड-स्टार्ट समस्या को हल करने के लिए एक व्यक्ति के स्थिर जीनोमिक प्रोफाइल का व्यक्तिगत प्रायर (personalized prior) के रूप में उपयोग करता है, जिससे अनुदैर्ध्य व्यवहारिक डेटा (longitudinal behavioral data) उपलब्ध होने से पहले ही संवैधानिक शारीरिक बेसलाइन (constitutional physiological baselines) को पर्यावरणीय रूप से प्रेरित विचलन (environmentally driven deviations) से तुरंत अलग करना सक्षम होता है।
यह शोध पत्र प्रदर्शित करता है कि कंट्रास्ट-इंफॉर्म्ड डेटा ऑग्मेंटेशन को डोमेन-एडवर्सरियल ट्रेनिंग के साथ संयोजित करने से वयस्क से नवजात एमआर पुनर्निर्माण (MR reconstruction) के लिए डीप लर्निंग-आधारित E2E-VarNet मॉडलों का सामान्यीकरण (generalization) महत्वपूर्ण रूप से सुधर जाता है, जिससे उच्च त्वरण कारकों (acceleration factors) पर बेहतर मात्रात्मक और गुणात्मक प्रदर्शन प्राप्त होता है।