11000 पेपर
यह शोध पत्र Gigapixel को प्रस्तुत करता है, जो एक उच्च-थ्रूपुट सिम्युलेटर है जो पिक्सेल अवलोकनों से सीधे एंड-टू-एंड स्वायत्त ड्राइविंग के लिए बड़े पैमाने पर सेल्फ-प्ले प्रशिक्षण सक्षम बनाता है, जो जब सेल्फ-प्ले DAgger डिस्टिलेशन और परसेप्शन अडैप्टेशन के साथ संयोजित किया जाता है, तो बिना मानव प्रक्षेपवक्र पर्यवेक्षण (human trajectory supervision) के प्रतिस्पर्धी वास्तविक दुनिया का प्रदर्शन प्राप्त करता है।
CourseBlueprint एक संरचित पाइपलाइन है जो टाइप किए गए मध्यवर्ती निरूपण (typed intermediate representations), नियत सत्यापन (deterministic validation) और स्पष्ट निर्देशात्मक अनुबंधों (explicit instructional contracts) के माध्यम से कोर्स कॉर्पोरा को आधार बनाकर अनुकूलन योग्य शैक्षणिक वीडियो उत्पन्न करती है ताकि पूर्व-आवश्यकता-जागरूक अनुक्रमण (prerequisite-aware sequencing), शिक्षार्थी अनुकूलन और संज्ञानात्मक जुड़ाव सुनिश्चित किया जा सके।
यह शोध पत्र स्थिर, गैर-विस्तारकारी बहु-स्तरीय इमेज पुनर्निर्माण सुनिश्चित करने के लिए डिजेनरेट एलिप्टिक-पैराबोलिक PDEs के लिए एक विस्कोसिटी-सॉल्यूशन फ्रेमवर्क स्थापित करता है, जो एक CT-आधारित मेसोथेलियोमा वर्गीकरण कार्य में अपनी प्रभावकारिता को प्रदर्शित करता है जहाँ यह बेसलाइन मॉडलों की तुलना में बेहतर और सुसंगत प्रदर्शन प्राप्त करता है।
यह शोध पत्र SPARC को प्रस्तुत करता है, जो एक मल्टी-एजेंट सिस्टम है जो भौतिकी-आधारित सिमुलेशन के संश्लेषण, निष्पादन और विश्लेषण के लिए LLMs का लाभ उठाकर इलेक्ट्रिकल सर्किट आरेख प्रश्नोत्तरी की सटीकता और विश्वसनीयता को बढ़ाता है, जिससे 83% सटीकता प्राप्त होती है और मौजूदा बेसलाइन्स से काफी बेहतर प्रदर्शन होता है।
न्यूरोशील्ड (NeuroShield) एक डिवाइस-एग्नोस्टिक फाउंडेशन मॉडल है जो परिवर्तनशील-चैनल और परिवर्तनशील-लंबाई वाले रिकॉर्डिंग से पहचान-विभेदक एम्बेडिंग्स सीखकर ईईजी (EEG) प्रमाणीकरण के विखंडन को दूर करता है, और विविध हार्डवेयर एवं डेटासेट्स पर अत्याधुनिक तरीकों की तुलना में बेहतर प्रदर्शन और सामान्यीकरण प्राप्त करता है।
यह शोध पत्र VOIR DIRE बेंचमार्क प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि सांस्कृतिक रूप से संदिग्ध सामग्री का मूल्यांकन करते समय MLLM-as-a-Judge सिस्टम विशिष्ट अंशांकन (कैलिब्रेशन) और ओरिएंटेशन विफलताओं से ग्रस्त होते हैं, जो यह प्रकट करता है कि विशिष्ट सांस्कृतिक मानदंडों के प्रति मॉडल के पूर्वाग्रह स्केल कंप्रेशन को ठीक करने के बाद भी बने रहते हैं और इन्हें पर्सोना प्रॉम्प्टिंग या इन-कॉन्टेक्स्ट प्रदर्शनों द्वारा पूरी तरह से हल नहीं किया जा सकता है।
MemoryVAM एक Recap-Cue मॉड्यूल के साथ एक एपिसोडिक मेमोरी तंत्र पेश करता है जो वीडियो-वर्ल्ड-मॉडल नीतियों में संकुचित ऐतिहासिक संदर्भ (compressed historical context) को इंजेक्ट करता है, जिससे रोबोटों को नॉन-मार्कोवियन चुनौतियों से पार पाने और सिम्युलेटेड एवं वास्तविक दुनिया के कार्यों पर लॉन्ग-होरिज़न मैनिपुलेशन सफलता दरों में महत्वपूर्ण सुधार करने में सक्षम बनाया जा सके।
यह शोध पत्र तर्क देता है कि सख्त फॉल्स मैच बजट के तहत तैनात बायोमेट्रिक सत्यापन प्रणालियों के लिए, पूर्ण ROC-AUC और इक्वल एरर रेट (EER) भ्रामक सारांश मेट्रिक्स हैं जो महत्वपूर्ण लो-FMR प्रदर्शन को छिपा सकते हैं, और इसलिए DET कर्व्स और विशिष्ट ऑपरेटिंग पॉइंट्स पर फॉल्स नॉन-मैच रेट्स को प्राथमिक मानक के रूप में रिपोर्ट करने की वकालत करता है, जिसे इस अनुभवजन्य साक्ष्य द्वारा समर्थित किया गया है जो दिखाता है कि उच्च AUC वाली प्रणालियाँ कम फॉल्स मैच दरों पर काफी खराब प्रदर्शन कर सकती हैं।
NeoJaundice-AI भारत के लिए डिज़ाइन किया गया एक ऑफलाइन, स्मार्टफोन-आधारित डीप लर्निंग सिस्टम है जो विविध स्किन-टोन्स (त्वचा के रंगों) में नवजात पीलिया का तेजी से और सटीक रूप से पता लगाने और बिलीरुबिन के स्तर का अनुमान लगाने के लिए डुअल-इनपुट इमेज विश्लेषण, सिंथेटिक डेटा ऑग्मेंटेशन और स्किन-टोन नॉर्मलाइजेशन का उपयोग करता है।
यह अध्ययन एक वीडियो स्विन-हाइब्रिड-यू-नेट (Video Swin-Hybrid-U-Net) डीप लर्निंग फ्रेमवर्क प्रस्तावित करता है जो कनाडा भर में स्थानिक-कालिक (spatio-temporal) जंगल की आग के प्रसार के पैटर्न की सटीक भविष्यवाणी करने के लिए सार्वजनिक रूप से उपलब्ध उपग्रह चित्रों और मौसम संबंधी डेटा का लाभ उठाता है।