23200 पेपर
यह शोधपत्र DeMuon को प्रस्तुत करता है, जो Muon ऑप्टिमाइज़र का पहला विकेंद्रीकृत विस्तार है जो संचार ग्राफ़ (communication graphs) पर मैट्रिक्स अनुकूलन के लिए न्यूटन-शुल्ज़ ऑर्थोगोनालाइज़ेशन (Newton-Schulz orthogonalization) को ग्रेडिएंट ट्रैकिंग के साथ जोड़ता है ताकि भारी-पूंछ वाले शोर (heavy-tailed noise) की स्थितियों में भी प्रमाणित अभिसरण (provable convergence) और उत्कृष्ट प्रदर्शन प्राप्त किया जा सके।
यह शोधपत्र SIT-FUSE को प्रस्तुत करता है, जो एक स्व-पर्यवेक्षित (self-supervised) डीप लर्निंग फ्रेमवर्क है जो हानिकारक शैवाल प्रस्फुटन (algal blooms) की गंभीरता और प्रजाति के निर्धारण के लिए मल्टी- और हाइपरस्पेक्ट्रल उपग्रह डेटा को संलयित (fuse) करता है, जिसके लिए प्रति-उपकरण लेबल वाले डेटासेट की आवश्यकता नहीं है, जो इन-सीटू (in-situ) मापों के साथ मजबूत सहमति प्रदर्शित करता है और स्केलेबल वैश्विक निगरानी को सक्षम बनाता है।
यह शोध पत्र प्रदर्शित करता है कि अर्थ ऑब्जर्वेशन फाउंडेशन मॉडल्स (EOFMs) विविध सेंसर आर्किटेक्चर के प्रति अत्यधिक संवेदनशील हैं, जो यह प्रकट करता है कि इन अंतरों को ध्यान में रखे बिना विभिन्न मोडैलिटीज़ के बीच बैंड्स को मिलाने की वर्तमान प्रथाएं रिप्रजेंटेशन लर्निंग में महत्वपूर्ण खामियों की ओर ले जाती हैं और अधिक सुदृढ़, सेंसर-जागरूक मॉडल डिजाइन की आवश्यकता को रेखांकित करती हैं।
ReaLM एक नवीन ढांचा है जो नॉलेज ग्राफ एम्बेडिंग्स और लार्ज लैंग्वेज मॉडल्स के बीच के अंतर को रेसिडुअल वेक्टर क्वांटाइजेशन के माध्यम से निरंतर (continuous) KG एम्बेडिंग्स को सीखने योग्य टोकन में विविक्त (discretize) करके और ऑन्टोलॉजी-निर्देशित बाधाओं को शामिल करके पाटता है, जिससे नॉलेज ग्राफ कंप्लीशन में अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह अध्ययन प्रदर्शित करता है कि प्रति घंटा GOES-18 और TEMPO उपग्रह डेटा का लाभ उठाने वाली एक स्व-पर्यवेक्षित (self-supervised) डीप लर्निंग प्रणाली, जंगल की आग के मोर्चों और धुएं के गुबारों के निकट वास्तविक समय (near real-time) मानचित्रण में महत्वपूर्ण सुधार करती है, जो प्रभावी रूप से धुएं को बादलों से अलग करती है और पश्चिमी संयुक्त राज्य अमेरिका में जंगल की आग और वायु गुणवत्ता प्रबंधन के लिए परिचालन उत्पादों (operational products) से बेहतर प्रदर्शन करती है।
यह शोधपत्र ProtocolBench प्रस्तुत करता है, जो सफलता, विलंबता (latency), ओवरहेड और मजबूती के मेट्रिक्स के माध्यम से LLM मल्टी-एजेंट संचार प्रोटोकॉल का मूल्यांकन करने के लिए एक व्यापक बेंचमार्क है, साथ ही ProtocolRouter प्रस्तुत करता है, जो एक सीखने योग्य प्रणाली है जो सिस्टम के प्रदर्शन और विश्वसनीयता को महत्वपूर्ण रूप से सुधारने के लिए इष्टतम प्रोटोकॉलों का गतिशील रूप से चयन करती है।
यह शोध पत्र ऑटोमेटा-कंडीशन्ड कोऑपरेटिव मल्टी-एजेंट रीइन्फोर्समेंट लर्निंग (ACC-MARL) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो मल्टी-एजेंट टीमों के लिए जटिल टेम्पोरल उद्देश्यों को बिना पुन: प्रशिक्षण के संभालने हेतु कार्य-आधारित विकेंद्रीकृत नीतियों के कुशल, सैंपल-इष्टतम शिक्षण को सक्षम बनाता है, साथ ही परीक्षण के समय इष्टतम कार्य असाइनमेंट की सुविधा भी प्रदान करता है।
यह शोध पत्र एक सुदृढ़ और व्याख्या योग्य फ़िशिंग ईमेल डिटेक्शन फ्रेमवर्क का प्रस्ताव करता है जो सटीक, लचीले और पारदर्शी, साक्ष्य-आधारित स्पष्टीकरण उत्पन्न करने के लिए एक Flan-T5 जनरेटर के साथ एकीकृत XAI विधियों और एक DistilBERT मॉडल पर एडवरसेरियल ट्रेनिंग को जोड़ता है।
यह शोध पत्र PHASE को प्रस्तुत करता है, जो एक फिजियोलॉजी-अवेयर हाइपरस्पेक्ट्रल रिकंस्ट्रक्शन फ्रेमवर्क है जो मानव इमेजिंग के लिए मौजूदा रिफ्लेक्टेंस-आधारित विधियों की सीमाओं को पार करने हेतु फिजियोलॉजिकल चैनल रीइंटरप्रिटेशन और फिजियोलॉजिकली कंस्ट्रेंड अलाइनमेंट का उपयोग करके न्यूनतम लेबल वाली सुपरविजन के साथ अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोधपत्र साक्ष्य प्रस्तुत करता है कि लार्ज लैंग्वेज मॉडल्स गैर-शास्त्रीय, क्वांटम-समान संज्ञानात्मक संरचनाएं प्रदर्शित करते हैं—विशेष रूप से शब्द वितरण में बेल इनइक्वालिटी उल्लंघन और बोस-आइंस्टीन सांख्यिकी—जो मानव संज्ञान को प्रतिबिंबित करती हैं, जो वेक्टर स्पेस में अर्थ के अंतर्निहित क्वांटम संगठन द्वारा संचालित जैविक और कृत्रिम बुद्धिमत्ता के बीच एक विकासवादी अभिसरण की घटना का सुझाव देती है।