23200 पेपर
यह अध्ययन भूकंपीय लचीलेपन के लिए प्रबलित कंक्रीट कैंटिलीवर रिटेनिंग दीवारों को अनुकूलित करने हेतु एक नवीन एडेप्टिव फजी-आधारित मेटाह्यूरिस्टिक एल्गोरिदम का प्रस्ताव करता है, जो नौ भूकंपीय स्थितियों के तहत एक जटिल बारह-आयामी बाधित अनुकूलन समस्या को हल करके टिकाऊ, किफायती और हल्का डिज़ाइन प्राप्त करता है।
यह शोध पत्र अन्वेषण (exploration) और दोहन (exploitation) कार्यों के लिए पृथक रूप से बड़े भाषा मॉडलों (LLMs) का व्यवस्थित मूल्यांकन करता है, जिसमें यह पाया गया है कि हालांकि दोहन में LLMs को सरल रैखिक प्रतिगमन (linear regression) द्वारा पीछे छोड़ दिया जाता है, फिर भी वे बड़े, अर्थपूर्ण क्रिया स्थानों (action spaces) के अन्वेषण में मूल्य प्रदान करते हैं।
यह शोध पत्र EVA को प्रस्तुत करता है, जो एक विकासवादी ढांचा (evolutionary framework) है जो यह प्रदर्शित करता है कि सिमेंटिक धोखेबाजी (semantic deception) GUI एजेंटों पर एनवायर्नमेंटल इंजेक्शन हमलों (Environmental Injection Attacks) का प्राथमिक चालक है, जो विजुअल आयाम के बजाय सिमेंटिक आयाम के भीतर प्रतिकूल पेलोड (adversarial payloads) को कुशलतापूर्वक विकसित करके उच्च सफलता दर प्राप्त करता है।
यह शोध पत्र फ्लो-लेनिया (Flow-Lenia) में विविध, जैविक रूप से प्रेरित पारिस्थितिकी तंत्र की गतिशीलता और मैक्रो-स्केल संगठनात्मक पैटर्न को कुशलतापूर्वक खोजने के लिए इंट्रिन्सिकली मोटिवेटेड गोल एक्सप्लोरेशन प्रोसेसेज (IMGEPs) का उपयोग करते हुए एक क्यूरियोसिटी-ड्रिवन एआई साइंटिस्ट पद्धति प्रस्तुत करता है, जो यह प्रदर्शित करता है कि कैसे बड़े पैमाने पर विविधता खोज जटिल प्रणाली प्रयोगों को निर्देशित करने के लिए एक सिद्धांत-आधारित, लागत प्रभावी स्कैफोल्ड के रूप में कार्य कर सकती है।
यह शोध पत्र पेयरवाइज़ लर्निंग-टू-रैंक कार्यों में बाउंडेड-एब्स्टेंशन के लिए एक नवीन, मॉडल-अग्नोस्टिक विधि प्रस्तुत करता है जो रैंकर्स के कंडीशनल रिस्क को थ्रेशोल्ड करने द्वारा अनिश्चित निर्णयों को मानव विशेषज्ञों को स्थगित कर देता है, जिसे सैद्धांतिक विश्लेषण और कई डेटासेट्स पर अनुभवजन्य सत्यापन द्वारा समर्थित किया गया है।
यह शोध पत्र MoDA का प्रस्ताव करता है, जो एक हल्का मॉड्यूलेशन एडेप्टर है जो विजुअल फीचर्स पर इंस्ट्रक्शन-गाइडेड चैनल-वाइज मल्टीप्लिकेटिव मॉड्यूलेशन लागू करके मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स में फाइन-ग्रेन्ड विजुअल ग्राउंडिंग को बढ़ाता है, जिससे न्यूनतम कम्प्यूटेशनल ओवरहेड के साथ कई आर्किटेक्चर और बेंचमार्क पर निरंतर प्रदर्शन सुधार प्राप्त होता है।
यह अध्ययन भागीदारी प्रेरणा पर जर्मन मुक्त-अंत (ओपन-एंडेड) सर्वेक्षण प्रतिक्रियाओं को कोडिंग करने के लिए विभिन्न लार्ज लैंग्वेज मॉडल्स और प्रॉम्प्टिंग रणनीतियों की प्रभावशीलता का मूल्यांकन करता है, जिसमें यह पाया गया कि हालांकि मॉडल्स के बीच प्रदर्शन में काफी भिन्नता है, केवल फाइन-ट्यून्ड एलएलएम ही मानव विशेषज्ञों के तुलनीय संतोषजनक सटीकता प्राप्त करते हैं, जो स्वचालित कोडिंग विधियों को अपनाने वाले शोधकर्ताओं के लिए महत्वपूर्ण समझौतों (ट्रेड-ऑफ) को रेखांकित करता है।
यह शोध पत्र मिफी (Miffie) को प्रस्तुत करता है, जो एक स्वचालित डेटाबेस सामान्यीकरण ढांचा है जो स्कीमा डिजाइनों को पुनरावृत्ति रूप से उत्पन्न करने और सत्यापित करने के लिए एक दोहरे-एलएलएम (dual-LLM) स्व-परिष्करण आर्किटेक्चर का उपयोग करता है, जिससे उच्च सटीकता और लागत दक्षता बनाए रखते हुए मानवीय प्रयास को समाप्त किया जा सके।
यह शोध पत्र सैद्धांतिक और अनुभवजन्य रूप से यह प्रदर्शित करता है कि अटेंशन मैकेनिज्म में सॉफ्टमैक्स-आधारित नॉर्मलाइज़ेशन चयन बढ़ने के साथ सूचनात्मक टोकन को अलग करने की एक मॉडल की क्षमता को सीमित करता है, जो अक्सर समान चयन पैटर्न और ग्रेडिएंट संवेदनशीलता के कारण प्रशिक्षण चुनौतियों की ओर ले जाता है।
यह शोध पत्र पारंपरिक LLM अनलर्निंग प्रथाओं का आलोचनात्मक मूल्यांकन करता है, जो यह प्रकट करता है कि एकल नेबर सेट्स और मानक सैंपलिंग विधियों पर निर्भर रहना उप-इष्टतम है, और अधिक विश्वसनीय एवं प्रभावी अनलर्निंग प्राप्त करने के लिए विविध नेबर सेट्स के साथ मॉड्यूलर एंटिटी-लेवल अनलर्निंग (MELU) रणनीति के संयोजन वाले एक नए ढांचे का प्रस्ताव करता है।