23609 पेपर
CVSearch एक प्रशिक्षण-मुक्त, अनुकूलन योग्य ढांचा है जो विशेषज्ञ-सहायता प्राप्त खोज को एक नवीन अर्थ-जागरूक स्कैनिंग तंत्र के साथ गतिशील रूप से जोड़कर कवरेज और दक्षता को संतुलित करते हुए मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स की उच्च-रिज़ॉल्यूशन इमेज धारणा को बढ़ाता है।
यह शोध पत्र एक ऐसे एल्गोरिदम को प्रस्तुत करता है जो जटिल गतिशील प्रणालियों (डायनामिकल सिस्टम्स) के लिए ट्रांसफर ऑपरेटर्स के डेटा-संचालित सन्निकटन (डेटा-ड्रिवन एप्रोक्सिमेशन) में सुधार करने हेतु RaNNDy रैंडमाइज्ड न्यूरल नेटवर्क आर्किटेक्चर के भीतर एक्टिवेशन फंक्शन को अनुकूलित करता है, जो फिक्स्ड रैंडम वेट्स की कम्प्यूटेशनल दक्षता को बनाए रखते हुए एक अधिक उपयुक्त बेसिस डिक्शनरी प्रदान करता है।
यह अध्ययन एक ग्राफ-आधारित संभाव्य पूर्वानुमान पद्धति प्रस्तुत करता है जो प्रासंगिक विमान अंतःक्रियाओं की भविष्य की संख्या को मॉडल करके लंदन मिडिल सेक्टर में एयर ट्रैफिक कंट्रोल ऑफिसर के कार्यभार की भविष्यवाणी करता है, जो मानक ट्रैफ़िक वॉल्यूम भविष्यवाणियों की तुलना में वास्तविक जटिलता के साथ काफी उच्च सटीकता और सहसंबंध प्रदर्शित करता है।
यह शोध पत्र नेटवर्क टोपोलॉजी से सीधे गतिशील स्थिरता परिदृश्यों (dynamic stability landscapes) को सीखने के लिए एक GNN-CNN आर्किटेक्चर का उपयोग करते हुए एक नवीन ग्राफ-टू-इमेज भविष्यवाणी प्रतिमान प्रस्तुत करता है, जो पारंपरिक स्केलर सूचकांकों की तुलना में सिंक्रोनाइज़ेशन मजबूती के बारे में गहरी अंतर्दृष्टि प्रदान करता है और यथार्थवादी पावर ग्रिड परिदृश्यों में सफल सामान्यीकरण प्रदर्शित करता है।
यह शोध पत्र एक नवीन मेश-मुक्त ऑपरेटर लर्निंग फ्रेमवर्क प्रस्तावित करता है जो इस कार्य को एक सीक्वेंस-टू-सीक्वेंस समस्या के रूप में मानकर विरल मापों (sparse measurements) से पूर्ण प्रवाह क्षेत्रों (flow fields) को पुनर्गठित करने के लिए लैंग्वेज मॉडल आर्किटेक्चर को अनुकूलित करता है, जो विविध फ्लूइड डायनेमिक्स बेंचमार्क में 10% से भी कम देखे गए डेटा के साथ उच्च सटीकता और दक्षता प्रदर्शित करता है।
यह शोध पत्र एक क्रिएटर (Creator) और एक इंस्पेक्टर (Inspector) वाले मल्टी-एजेंट एलएलएम (LLM) फ्रेमवर्क को प्रस्तुत करता है जो ऐसे कॉन्स्टिट्यूटिव मॉडल्स (constitutive models) उत्पन्न करने के लिए है जो उच्च सटीकता और सामान्यीकरण बनाए रखते हुए भौतिक बाधाओं का 100% पालन करते हैं, जिससे स्वचालित सामग्री मॉडलिंग को एक भरोसेमंद प्रक्रिया में बदल दिया जाता है।
यह शोध पत्र प्री-ट्रेंड विजन-लैंग्वेज मॉडल्स का उपयोग करके आउट-ऑफ-डिस्ट्रीब्यूशन डिटेक्शन के लिए एक नवीन विधि प्रस्तावित करता है जो डिबायस्ड सैंपलिंग (debiased sampling) के लिए एक सैद्धांतिक ढांचे को पेश करके नेगेटिव लेबल माइनिंग में फॉल्स नेगेटिव समस्या का समाधान करता है, जिसे व्यावहारिक रूप से स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त करने के लिए मोंटे-कार्लो सैंपलिंग के रूप में लागू किया गया है।
यह शोध पत्र एक वितरण संबंधी सिद्धांत (distributional theory) प्रस्तावित और मान्य करता है जो यह दर्शाता है कि भाषा मॉडलों में अवधारणाओं की पदानुक्रमित ज्यामितीय संरचना विशेष कार्यात्मक तंत्रों की आवश्यकता के बजाय शब्द सह-उपस्थिति सांख्यिकी के स्पेक्ट्रल गुणों से स्वाभाविक रूप से उभरती है।
यह अध्ययन प्रदर्शित करता है कि बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) में भू-राजनीतिक पूर्वाग्रह मुख्य रूप से प्री-ट्रेनिंग डेटा से विरासत में मिलने के बजाय पोस्ट-ट्रेनिंग अलाइनमेंट चरण के दौरान उत्पन्न और प्रवर्धित होता है, और इन पूर्वाग्रहों की दिशा और परिमाण मॉडल डेवलपर के क्षेत्र और प्रॉम्प्टिंग में उपयोग की गई भाषा के आधार पर भिन्न होता है।
यह शोध पत्र यह स्थापित करता है कि यद्यपि अर्ध-यादृच्छिक किनारा नमूनाकरण (semi-random edge sampling) के तहत भारहीन स्पेक्ट्रल रैंकिंग विधियाँ ग्राफ स्पेक्ट्रल गुणों के प्रति संवेदनशील होती हैं, लेकिन प्रतिकूल विक्षोभों (adversarial perturbations) को बेअसर करने के लिए देखे गए किनारों को उपयुक्त रूप से पुन: भारित करके उनके प्रदर्शन को समान रूप से नमूने वाले ग्राफों के अनुरूप बहाल किया जा सकता है।