24235 पेपर
यह शोध पत्र मल्टीमॉडल रिट्रीवल-ऑगमेंटेड जनरेशन के लिए एक ट्रेनिंग-फ्री, सूचना-सैद्धांतिक ढांचे का प्रस्ताव करता है जो दृश्य साक्ष्य को उसकी सिमेंटिक समानता के बजाय उसकी उपयोगिता (सूचना लाभ) के आधार पर चुनता है, जिससे कई बेंचमार्क में बेहतर रीजनिंग प्रदर्शन और कम्प्यूटेशनल दक्षता प्राप्त होती है।
यह शोध पत्र एक नवीन न्यूरल नेटवर्क आर्किटेक्चर प्रस्तुत करता है जो पूर्णतः अवलोकित अवस्था ट्रेसेस (state traces) से लिफ्टेड एक्शन स्कीमा को मजबूती से सीखता है और अप्रत्यक्ष एक्शन आर्गुमेंट्स का अनुमान लगाता है, जो न्यूरो-सिम्बोलिक प्लानिंग मॉडल्स के लिए एक डिफरेंशिएबल घटक के रूप में कार्य करता है।
यह शोध पत्र डिलाइट-गेटेड एक्सप्लोरेशन (DE) को प्रस्तुत करता है, जो एक ऐसा ह्यूरिस्टिक है जो केवल तभी ओवरराइड क्रियाओं को सक्रिय करके अन्वेषण (exploration) को अनुकूलित करता है जब उनका अपेक्षित सुधार उनके सरप्राइज़ल (surprisal) से गुणा करने पर एक गतिशील लागत सीमा से अधिक हो जाता है, जिससे थॉम्पसन सैंपलिंग और -greedy जैसे मानक तरीकों की तुलना में विभिन्न बैंडिट और MDP सेटिंग्स में बेहतर रिग्रेट प्रदर्शन और हाइपरपैरामीटर ट्रांसफ़रेबिलिटी प्राप्त होती है।
यह शोध पत्र MPINeuralODE को प्रस्तुत करता है, जो एक नवीन ढांचा है जो सॉफ्ट फिजिक्स-इन्फॉर्म्ड रेसिडुअल्स को मल्टीपल-इनिशियल-कंडीशन करिकुलम के साथ एकीकृत करता है ताकि अनदेखी इनिशियल कंडीशंस केAcross न्यूरल ODEs की जनरलाइजेशन, लॉन्ग-होरिजन स्टेबिलिटी और फिजिकल कंसिस्टेंसी में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र एक एम्बोडीड न्यूरोकंप्यूटेशन (Embodied Neurocomputation) ढांचे को प्रस्तुत करता है जो जैविक तंत्रिका नेटवर्क एजेंटों के लिए एनकोडिंग और डिकोडिंग कॉन्फ़िगरेशन को सफलतापूर्वक अनुकूलित करता है, यह प्रदर्शित करते हुए कि ये बायो-हाइब्रिड सिस्टम समान इंटरेक्शन बजट के तहत पारंपरिक सिलिकॉन-आधारित एआई की तुलना में बेहतर क्लोज्ड-लूप नेविगेशन प्रदर्शन प्राप्त कर सकते हैं।
यह शोध पत्र प्रोबेबिलिस्टिक HD-CB को प्रस्तुत करता है, जो हाइपरडायमेंशनल कॉन्टेक्स्टुअल बैंडिट्स का एक लो-प्रिसिजन वेरिएंट है, जो ओवरफ्लो को रोकने और कंप्यूटेशनल लागत को कम करने के लिए डिटर्मिनिस्टिक एक्यूमुलेशन को टाइम-डिकेइंग प्रोबेबिलिस्टिक अपडेट नियम से बदलता है, जबकि यह रिसोर्स-कंस्ट्रेंड डिवाइसेस पर बाइनराइज्ड विकल्पों से बेहतर प्रदर्शन करता है।
GeoFlowVLM एक पोस्ट-हॉक एडैप्टर पेश करता है जो फ्रोजन ड्यूल-एनकोडर विजन-लैंग्वेज मॉडल्स को प्रोडक्ट हाइपरस्फीयर पर रिमानियन फ्लो मैचिंग का लाभ उठाकर एलियटोरिक (aleatoric) और एपिस्टेमिक (epistemic) अनिश्चितता अनुमानों से सुसज्जित करता है, जिससे रिट्रीवल और ज़ीरो-शॉट क्लासिफिकेशन कार्यों के लिए लगभग आदर्श कैलिब्रेशन प्राप्त होता है।
यह शोध पत्र एक ऐसे ढांचे का प्रस्ताव करता है जो जटिल मल्टी-टर्न टूल कॉलिंग के साथ वास्तविक समय, कम-विलंबता वाले एजेंटिक इंटरैक्शन को सक्षम करने के लिए एसिंक्रोनस आई/ओ (Asynchronous I/O) और स्पेक्युलेटिव टूल कॉलिंग (Speculative Tool Calling) को संयोजित करता है, जिससे स्वीकार्य सटीकता बनाए रखते हुए क्लाउड और एज-स्केल मॉडल्स दोनों के लिए महत्वपूर्ण गति प्राप्त होती है।
यह प्रूफ-ऑफ-कॉन्सेप्ट अध्ययन एक डीप लर्निंग-आधारित न्यूरल सरोगेट पेश करता है जो स्पष्ट, अप्राप्य इंट्रासेल्युलर कंडक्टिविटी टेंसरों की आवश्यकता के बिना, बाएं एट्रियल इंट्रासेल्युलर पोटेंशियल को फार-फील्ड ईसीजी (ECG) में सटीक रूप से मैप करता है, जिससे गैर-आक्रामक कार्डिएक इलेक्ट्रोफिजियोलॉजी मॉडलिंग में संरचनात्मक अनिश्चितता कम हो जाती है।
यह शोध पत्र QueST को प्रस्तुत करता है, जो एक नवीन फ्रेमवर्क है जो लार्ज लैंग्वेज मॉडल्स को सीधे इनपुट क्वेरी से प्राप्त पर्यवेक्षण (supervision) का उपयोग करके इन्फरेंस के दौरान अपने मापदंडों (parameters) को अनुकूलित करने में सक्षम बनाता है, जिससे बाहरी डेटा पर निर्भर रहे बिना तर्क संबंधी कार्यों में क्वेरी-विशिष्ट सुधार प्राप्त किया जा सके।