23200 पेपर
यह शोध पत्र एक संज्ञानात्मक थ्रेट इंटेलिजेंस और व्याख्यात्मक फेडरेटेड सुरक्षा एनालिटिक्स फ्रेमवर्क प्रस्तावित करता है जो संवेदनशील कच्चे डेटा को प्रसारित किए बिना वितरित बुनियादी ढांचा प्रणालियों में गोपनीयता-संरक्षण, स्केलेबल और पारदर्शी साइबर खतरे का पता लगाने में सक्षम करने के लिए फेडरेटेड लर्निंग, व्याख्यात्मक एआई (Explainable AI) और संज्ञानात्मक विश्लेषण को एकीकृत करता है।
यह शोध पत्र अमेरिकी महत्वपूर्ण बुनियादी ढांचे के बुद्धिमान शासन के लिए घुसपैठ का पता लगाने, साइबर जोखिम विश्लेषण और मॉडल विश्वसनीयता को बढ़ाने हेतु CICIDS2017 डेटासेट पर XGBoost और SHAP तकनीकों का उपयोग करते हुए एक व्याख्यात्मक AI-संचालित ढांचे का प्रस्ताव करता है।
ViCuR एक मल्टीमॉडल ऑन-पॉलिसी डिस्टिलेशन फ्रेमवर्क है जो एक लाइटवेट क्यू रिकवरी मॉड्यूल के माध्यम से आंसर-साइड प्रिविलेज को रिकवरेबल विजुअल क्यूज़ से बदल देता है, जिससे ट्रेन-टेस्ट मिसमैच समाप्त हो जाता है और विभिन्न बेंचमार्क एवं मॉडल स्केल्स पर रीजनिंग प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र माइक्रोस्किल आर्किटेक्चर (MicroSkill Architecture) का परिचय देता है, जो एक मॉड्यूलर फ्रेमवर्क है जो ज्ञान को परमाणु कौशल कैप्सूल (atomic skill capsules) में विभाजित करता है और केवल प्रासंगिक संदर्भ चुनने के लिए एक डायनेमिक राउटर का उपयोग करता है, जिससे टोकन की खपत में 90% से अधिक की कमी आती है और AI-नेटिव कोड जनरेशन में संकलन सफलता (compilation success) और वास्तुशिल्प अखंडता (architectural integrity) में महत्वपूर्ण सुधार होता है।
यह शोध पत्र नैरेटिव नॉलेज वीवर (NKW) को प्रस्तुत करता है, जो एक स्रोत-आधारित ढांचा है जो विकसित होती कहानी की दुनिया पर तर्क करने की क्षमता बढ़ाने के लिए पाठ्य साक्ष्य, ग्राफ संरचनाओं और कथा-विशिष्ट उपकरणों को एकीकृत करता है, और मौजूदा रिट्रीवल एवं ग्राफ-संवर्धित विधियों की तुलना में लंबी कथा आधारित प्रश्नोत्तर कार्यों में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र यह प्रदर्शित करता है कि विजन-लैंग्वेज-एक्शन मॉडल्स के लिए मजबूत वन-स्टेप एक्शन जनरेशन को केवल ट्रेनिंग टाइम डिस्ट्रीब्यूशन को हाई-नॉइज़ स्टेट्स की ओर बायस करके प्राप्त किया जा सकता है, जो इमेज सिंथेसिस में आमतौर पर आवश्यक जटिल डिस्टिलेशन या ऑक्जिलरी ऑब्जेक्टिव्स की आवश्यकता को समाप्त करता है और मल्टी-स्टेप डिफ्यूजन पॉलिसी के प्रदर्शन के बराबर या उससे बेहतर प्रदर्शन करता है।
यह शोध पत्र इंटर-क्लास ग्रेडिएंट इंटरफेरेंस (inter-class gradient interference) को असंतुलित डीप लर्निंग में एक प्रमुख पैथोलॉजी के रूप में पहचानता है और क्लास-स्पेसिफिक ब्रांच अटेंशन (Class-Specific Branch Attention - CSBA) का प्रस्ताव करता है, जो एक हल्का (lightweight) तंत्र है जो ब्रांच-विशिष्ट चैनल रीवेटिंग (branch-specific channel reweighting) के माध्यम से इस हस्तक्षेप को कम करता है, जिससे समग्र सटीकता बनाए रखते हुए अल्पसंख्यक-वर्ग (minority-class) के प्रदर्शन में महत्वपूर्ण सुधार होता है।
MARDoc एक मेमोरी-अवेयर रिफाइनमेंट एजेंट फ्रेमवर्क है जो मल्टीमॉडल लॉन्ग-डॉक्यूमेंट QA को बेहतर बनाने के लिए प्रक्रिया को विशेषीकृत एक्सप्लोरर (Explorer), रिफाइनर (Refiner) और रिफ्लेक्टर (Reflector) एजेंटों में विभाजित करता है जो संदर्भ शोर (context noise) को कम करने और मल्टी-हॉप रीजनिंग को बढ़ाने के लिए एक गतिशील रूप से अपडेट की जाने वाली स्ट्रक्चर्ड मेमोरी का उपयोग करते हैं।
यह शोध पत्र एक सैग्नैक-असिस्टेड एनहैंस्ड -OTDR आर्किटेक्चर प्रस्तुत करता है जो पोलराइजेशन-प्रेरित फेडिंग को कम करता है और एक मानकीकृत बेंचमार्क फ्रेमवर्क पेश करता है, यह प्रदर्शित करते हुए कि एक ड्यूल-ब्रांच फ्यूजन मॉडल 10-किमी के डिस्ट्रिब्यूटेड एकॉस्टिक सेंसिंग सिस्टम पर पारंपरिक तरीकों की तुलना में बेहतर इवेंट रिकग्निशन प्रदर्शन (89.79% सटीकता) प्राप्त करता है।
यह शोध पत्र SubtleMemory प्रस्तुत करता है, जो एक नया बेंचमार्क है जिसे जटिल, दीर्घकालिक इंटरैक्शन इतिहास के भीतर सूक्ष्म संबंधात्मक स्मृति संरचनाओं (fine-grained relational memory structures) के बीच अंतर करने की दीर्घ-क्षितिज (long-horizon) AI एजेंटों की क्षमता का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि विविध मेमोरी आर्किटेक्चर पर व्यापक परीक्षण के बावजूद वर्तमान प्रणालियाँ इस महत्वपूर्ण क्षमता के साथ संघर्ष करती हैं।