23200 पेपर
यह शोध पत्र Hyperflux को प्रस्तुत करता है, जो एक नवीन प्रूनिंग विधि है जो व्याख्यात्मकता को बढ़ाने और विभिन्न न्यूरल नेटवर्क आर्किटेक्चर एवं डेटासेट पर प्रतिस्पर्धी प्रदर्शन प्राप्त करने के लिए प्रूनिंग प्रक्रिया को "फ्लक्स" (flux) और "प्रेशर" (pressure) द्वारा संचालित एक गतिशील प्रणाली के रूप में मॉडल करता है।
यह अध्ययन Renal-Net प्रस्तुत करता है, जो nnU-Net पर आधारित एक सुदृढ़ AI-आधारित रीनल मास सेगमेंटेशन फ्रेमवर्क है और जिसे विशेष रूप से सार्वजनिक डेटा पर प्रशिक्षित किया गया है, जो मौजूदा अत्याधुनिक मॉडलों की तुलना में विविध रोगी उपसमूहों और बाहरी डेटासेटों में बेहतर सामान्यीकरण और निरंतर उच्च प्रदर्शन प्रदर्शित करता है।
Harmonia एक एंड-टू-एंड RAG सर्विंग फ्रेमवर्क है जो एक लचीले पाइपलाइन इंटरफ़ेस, हेटेरोजेनिटी-अवेयर डिप्लॉयमेंट और एक क्लोज्ड-लूप रनटाइम कंट्रोलर के माध्यम से हेटेरोजेनियस कंपोनेंट्स में प्रदर्शन को अनुकूलित करता है, जिससे व्यावसायिक विकल्पों की तुलना में 2.04x से अधिक थ्रूपुट सुधार और SLO उल्लंघनों में 78.4% तक की कमी आती है।
यह शोध पत्र LRMoo ऑन्टोलॉजी पर आधारित एक संरचित, घटना-केंद्रित मॉडलिंग पैटर्न का प्रस्ताव करता है जो भाषा-तटस्थ टेम्पोरल संस्करणों और एकभाषी अभिव्यक्तियों के बीच अंतर करके किसी भी समय कानूनी मानदंडों के सटीक, नियतात्मक पुनर्निर्माण को सक्षम बनाता है, जिससे विश्वसनीय लीगल एआई (legal AI) के लिए एक सत्यापन योग्य अर्थपूर्ण आधार प्रदान होता है।
यह शोध पत्र प्रकट करता है कि भाषा मॉडल दोषपूर्ण तंत्रों द्वारा सुदृढ़ तंत्रों को बाधित किए जाने के कारण संतुलित कोष्ठक (parentheses) कार्यों में विफल हो जाते हैं, और RASteer का परिचय देता है, जो एक स्टीयरिंग विधि है जो सामान्य कोडिंग क्षमताओं को नुकसान पहुँचाए बिना विश्वसनीय घटकों को प्रवर्धित करके सटीकता को लगभग 100% तक बढ़ा देती है।
यह शोध पत्र AMix-1 को प्रस्तुत करता है, जो बेयसियन फ्लो नेटवर्क्स (Bayesian Flow Networks) पर आधारित एक 1.7-बिलियन पैरामीटर वाला प्रोटीन फाउंडेशन मॉडल है, जो मजबूत प्रोटीन डिजाइन प्राप्त करने के लिए व्यवस्थित प्रशिक्षण स्केलिंग लॉ (systematic training scaling laws), MSA-आधारित इन-कॉन्टेक्स्ट लर्निंग (in-context learning) और विकासवादी टेस्ट-टाइम स्केलिंग (evolutionary test-time scaling) का लाभ उठाता है, जिसे एक AmeR वेरिएंट उत्पन्न करके प्रदर्शित किया गया है जिसमें इसके वाइल्ड टाइप की तुलना में 50 गुना तक गतिविधि सुधार हुआ है।
यह शोध पत्र एक न्यूरोसिम्बोलिक रीजनिंग फ्रेमवर्क प्रस्तुत करता है जो एक पैराकंसिस्टेंट लॉजिक के इंटरप्रिटेशन फंक्शन में लार्ज लैंग्वेज मॉडल्स को एकीकृत करता है, जिससे एक ऐसा साउंड और कम्प्लीट फॉर्मल रीजनिंग सक्षम होता है जो विरोधाभासों को प्रभावी ढंग से स्थानीयकृत करके लॉजिकल एक्सप्लोजन को रोकता है और फैक्टुअलिटी बेंचमार्क्स में सुधार करते हुए LLM ज्ञान का लाभ उठाता है।
यह अध्ययन पानी के नीचे कचरे का पता लगाने के लिए पांच डीप लर्निंग मॉडलों का मूल्यांकन करता है और प्रदर्शित करता है कि YOLOv8 80.9% मीन एवरेज प्रिसिजन के साथ उच्चतम प्रदर्शन प्राप्त करता है, जो इसे चुनौतीपूर्ण पानी के नीचे के वातावरण में विविध कचरा वर्गों की पहचान करने के लिए सबसे प्रभावी उपकरण बनाता है।
यह शोध पत्र CLONE का प्रस्ताव करता है, जो एक क्लोज्ड-लूप डिफरेंशिएबल ऑप्टिमाइज़ेशन फ्रेमवर्क है जो इमेज-जियोमेट्री-इमेज निरंतरता (consistency) को लागू करके बिना ग्राउंड-ट्रुथ सुपरविजन के उच्च-गुणवत्ता वाले सिंगल-इमेज नॉर्मल एस्टीमेशन को प्राप्त करने के लिए 3D गॉसियन स्प्लेटिंग, एक लर्न करने योग्य इल्यूमिनेशन मॉडल और एक डिफ्यूजन-प्रेरित रिफाइनमेंट नेटवर्क का लाभ उठाता है।
यह शोध पत्र CORAL को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो वर्ल्ड मॉडलिंग को कंट्रोल से अलग करके इन-कॉन्टेक्स्ट रिइन्फोर्समेंट लर्निंग को बेहतर बनाता है, जहाँ एक प्री-ट्रेन्ड इंफॉर्मेशन एजेंट कार्य की समझ को कॉज़ल संदेशों में संकुचित करता है जो एक नए कंट्रोल एजेंट को विविध वातावरणों में कुशल ज़ीरो-शॉट अनुकूलन प्राप्त करने में सक्षम बनाता है।