24235 पेपर
यह शोध पत्र SGNO को प्रस्तुत करता है, जो एक स्ट्रक्चर्ड ऑटोरेग्रेसिव न्यूरल ऑपरेटर है जो मौजूदा बेसलाइनों की तुलना में आवधिक विकास वाले PDEs के लिए त्रुटि संचय (error accumulation) को महत्वपूर्ण रूप से कम करने और दीर्घकालिक पूर्वानुमान सटीकता में सुधार करने के लिए एक गेन-नियंत्रित स्पेक्ट्रल बैकबोन और एक सीखे हुए कॉम्प्लेक्स-वैल्यूड करेक्शन पाथवे का उपयोग करता है।
यह शोध पत्र मल्टी-कैटेगरी एक्सप्लेनेशन स्टेबिलिटी डिस्पैरिटी (MESD) को प्रस्तुत करता है, जो एक जोखिम-संवेदनशील मीट्रिक है जो लेबल-अवेयर एग्रीगेशन, एम्पिरिकल-बेयस श्रिंकेज और CVaR वेटिंग को एकीकृत करके इंटरसेक्शनल उपसमूहों के बीच प्रक्रियात्मक निष्पक्षता असमानताओं को परिमाणित करता है, और एक मल्टी-ऑब्जेक्टिव ऑप्टिमाइज़ेशन फ्रेमवर्क (UEF) के भीतर इसकी प्रभावशीलता को प्रदर्शित करता है ताकि पारंपरिक परिणाम-उन्मुख मीट्रिक्स के लिए अदृश्य निष्पक्षता संबंधी मुद्दों को उजागर किया जा सके।
यह शोध पत्र एजेंटिक रिप्रोड्यूसिबिलिटी असेसमेंट (ARA) को प्रस्तुत करता है, जो एक AI-संचालित ढांचा है जो वैज्ञानिक वर्कफ़्लो ग्राफ़ को निकालने और उनका मूल्यांकन करने के लिए पुनरुत्पादकता मूल्यांकन को एक संरचित तर्क कार्य के रूप में औपचारिक रूप देता है, जो अगली पीढ़ी की स्केलेबल सहकर्मी समीक्षा (पीयर रिव्यू) को सक्षम करने के लिए मौजूदा बेंचमार्क की तुलना में बेहतर सटीकता प्रदर्शित करता है।
यह शोध पत्र AgentStop को प्रस्तुत करता है, जो एक हल्का सुपरवाइजर है जो कम लागत वाले संकेतों का उपयोग करके विफल होते स्थानीय AI एजेंट प्रक्षेप पथों (trajectories) की भविष्यवाणी करता है और उन्हें समय रहते समाप्त कर देता है, जिससे कार्य प्रदर्शन पर न्यूनतम प्रभाव के साथ उपभोक्ता उपकरणों पर व्यर्थ ऊर्जा को 15-20% तक कम किया जा सकता है।
यह शोध पत्र TeamTR को प्रस्तुत करता है, जो एक ट्रस्ट-रीजन फाइन-ट्यूनिंग फ्रेमवर्क है जो प्रत्येक अपडेट के बाद प्रक्षेप पथों (trajectories) को पुन: नमूनाकरण (resampling) करके मल्टी-एजेंट LLM सिस्टम में संचयी ऑक्यूपेंसी शिफ्ट (compounding occupancy shifts) को कम करता है, जिससे अनुक्रमिक बेसलाइनों की तुलना में कठोर प्रदर्शन सुधार और बेहतर समन्वय प्राप्त होता है।
यह शोध पत्र बाइस्टेबल मेमोरी रिकरेंट यूनिट्स (BMRUs) का उपयोग करते हुए एक हार्डवेयर-सॉफ्टवेयर सह-डिज़ाइन दृष्टिकोण प्रस्तुत करता है ताकि शोर संचय की बाधाओं को दूर किया जा सके, जो उच्च-निष्ठा सर्किट-टू-सॉफ्टवेयर पत्राचार के साथ हमेशा चालू रहने वाले एआई अनुप्रयोगों के लिए अल्ट्रा-लो पावर, स्केलेबल एनालॉग रिकरेंट न्यूरल नेटवर्क को सक्षम बनाता है जो सब-माइक्रोवाट इन्फरेंस प्राप्त करते हैं।
यह शोध पत्र OP-Mix को पेश करता है, जो एक एकीकृत, कुशल डेटा मिक्सिंग एल्गोरिदम है जो पूरे लैंग्वेज मॉडल प्रशिक्षण जीवनचक्र में संभावित मिश्रणों का अनुकरण करने के लिए लो-रैंक एडैप्टर इंटरपोलेशन का उपयोग करता है, और मौजूदा चरण-विशिष्ट विधियों की तुलना में काफी कम कंप्यूट के साथ लगभग इष्टतम प्रदर्शन प्राप्त करता है।
यह शोध पत्र डिस्ट्रीब्यूटेड ट्रस्ट फ्रेमवर्क (DTF) को प्रस्तुत करता है, जो एक सत्यापन आर्किटेक्चर है जो स्थिर पहचान-आधारित प्राधिकरण के स्थान पर एक गतिशील, सर्वसम्मति-संचालित मॉडल द्वारा संप्रभु एआई (AI) प्रणालियों को सुरक्षित करता है, जहाँ निष्पादन अधिकार सख्ती से क्रिप्टोग्राफ़िक रूप से सत्यापन योग्य जस्टिफिकेशन प्रूफ और एक अपरिवर्तनीय एविडेंस चेन से प्राप्त होते हैं।
यह शोध पत्र मास्क-मॉर्फ ग्राफ यू-नेट (MMGUNet) प्रस्तुत करता है, जो एक नवीन सरोगेट मॉडल है जो बड़े ज्यामितीय परिवर्तनों के तहत मेश-आधारित क्रैशवर्थिनेस फील्ड प्रेडिक्शन की सामान्यीकरण क्षमता और डेटा दक्षता को बढ़ाने के लिए इनपुट मेश में सुस्पष्ट ग्राफ पदानुक्रमों को मॉर्फ करने और पैरामीटर-कुशल फाइन-ट्यूनिंग के साथ मास्क्ड सुपरवाइज्ड प्रीट्रेनिंग का उपयोग करता है।
MuteBench विविध नैदानिक डेटासेट में मोडैलिटी और मोडैलिटी के भीतर गायब डेटा के विरुद्ध मल्टीमॉडल फ्यूजन आर्किटेक्चर की मजबूती का मूल्यांकन करने वाला एक व्यापक बेंचमार्क है, जो यह प्रकट करता है कि मॉडल आर्किटेक्चर परिवार सहनशीलता का प्राथमिक निर्धारक है और लचीले नैदानिक AI सिस्टम के चयन और डिजाइन के लिए व्यावहारिक अंतर्दृष्टि प्रदान करता है।