26236 पेपर
यह शोध पत्र PIC-Flow प्रस्तुत करता है, जो एक जनरेटिव न्यूरल सरोगेट है जो सिलिकॉन फोटोनिक उपकरणों के लिए पूर्ण-क्षेत्र विद्युत चुम्बकीय वितरणों की तेजी से भविष्यवाणी करने के लिए कंडीशनल फ्लो मैचिंग और भौतिकी-बाधित प्रशिक्षण का लाभ उठाता है, जो डिज़ाइन-स्पेस अन्वेषण के लिए पारंपरिक FDTD सिमुलेशन का एक गणनात्मक रूप से कुशल विकल्प प्रदान करता है।
यह शोध पत्र लर्निंग-आधारित SAT प्रेडिक्शन में महंगे सॉल्वर-आधारित लेबलिंग की बाधा को दूर करने के लिए एक टार्गेट-अवेयर, सॉल्वर-मुक्त डेटा जनरेशन फ्रेमवर्क पेश करता है जो संरेखित सिंथेटिक इंस्टेंस और एक विशिष्ट लीनियर-प्रोग्रामिंग-अवेयर ग्राफ न्यूरल नेटवर्क का उत्पादन करता है, जो सामूहिक रूप से NP-हार्ड समस्याओं पर स्केलेबल और प्रभावी लर्निंग को सक्षम बनाता है।
यह शोध पत्र MAGIQ को प्रस्तुत करता है, जो उभरते क्वांटम खतरों और शासन संबंधी चुनौतियों से निपटने के लिए प्रमाणित सुरक्षित, पोस्ट-क्वांटम क्रिप्टोग्राफिक प्रोटोकॉल का लाभ उठाकर मल्टी-एजेंट एआई सिस्टम में सुरक्षित, जवाबदेह और नीति-अनुपालक इंटरैक्शन सुनिश्चित करने वाला एक अभिनव ढांचा है।
यह शोधपत्र एक सीखे हुए लियापुनोव शिल्डिंगिंग फ्रेमवर्क (Lyapunov shielding framework) का प्रस्ताव करता है जो स्लोटिन-ली एडेप्टिव कंट्रोलर (Slotine–Li adaptive controller) को एक स्ट्रक्चर्ड-क्वाड्रेटिक लियापुनोव फंक्शन, एक रेसिडुअल सॉफ्ट एक्टर-क्रिटिक पॉलिसी और एक फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क के साथ संवर्धित करता है ताकि अनमॉडल डायनेमिक्स वाले यूलर-लैग्रेंज सिस्टम पर एक्सपोनेंशियल स्टेबिलिटी और क्लोज्ड-फॉर्म सेफ्टी फिल्टरिंग सुनिश्चित करते हुए ट्रैकिंग प्रदर्शन में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र "LLM-as-a-Judge" मूल्यांकनों में व्यवस्थित पूर्वाग्रहों और विश्वसनीयता संबंधी जोखिमों की पहचान करता है, विशेष रूप से मॉडल तुलनाओं के लिए साझा अंशांकन (shared calibration) का उपयोग करते समय, और साइन-रिवर्ज़ल त्रुटियों जैसे विफलता मोड का पता लगाने के लिए नैदानिक मेट्रिक्स ( और ) के साथ रिपोर्टिंग दिशानिर्देश प्रस्तावित करता है।
ProtoSSL एक नवीन ढांचा है जो स्व-पर्यवेक्षित मोटिफ डिस्कवरी (self-supervised motif discovery) के माध्यम से अनलेबल समय-श्रृंखला डेटा (unlabeled time-series data) से व्याख्या योग्य, प्रोजेक्शन-आधारित प्रोटोटाइप सीखता है, जिसे फिर डाउनस्ट्रीम कार्यों के साथ कुशलतापूर्वक संरेखित किया जा सकता है ताकि सुपरवाइज्ड बेसलाइन्स की तुलना में बेहतर लेबल दक्षता और मानव-पसंद स्पष्टीकरण प्राप्त किया जा सके।
यह शोध पत्र 'एडैप्टिव मेमोरी डिके' (Adaptive Memory Decay) का प्रस्ताव करता है, जो एक हल्के एमएलपी (MLP) के माध्यम से लॉग-लीनियर अटेंशन में फिक्स्ड डिके पैरामीटर को एक इनपुट-डिपेंडेंट, लर्नबल मैकेनिज्म से बदलकर, मॉडल की लॉग-लीनियर कम्प्यूटेशनल कॉम्प्लेक्सिटी को बनाए रखते हुए लॉन्ग-रेंज मेमोरी परफॉरमेंस और फ्लेक्सिबिलिटी को बढ़ाता है।
यह शोध पत्र एक सुदृढीकरण अधिगम (reinforcement learning) प्रतिमान प्रस्तुत करता है जो प्रशिक्षण के दौरान भौतिक पूर्वधारणाओं (physical priors) को आंतरिक रूप से समाहित करके, भौतिक रूप से स्थिर ईंट संरचनाओं के कुशल, रोलबैक-मुक्त निर्माण को सक्षम बनाता है, जिससे परीक्षण समय पर होने वाले धीमे सिमुलेशन-आधारित सुधारों की आवश्यकता समाप्त हो जाती है।
यह शोध पत्र मल्टी-ऑब्जेक्टिव कंस्ट्रेंट इन्फरेंस (MOCI) प्रस्तुत करता है, जो एक नवीन फ्रेमवर्क है जो परस्पर विरोधी उद्देश्यों वाले विषम विशेषज्ञ प्रदर्शनों से साझा बाधाओं और व्यक्तिगत प्राथमिकताओं को प्रभावी ढंग से निकालता है, और कम्प्यूटेशनल दक्षता बनाए रखते हुए प्रिडिक्टिव सटीकता में मौजूदा बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र K-DSM को प्रस्तुत करता है, जो एक कर्टोसिस-गाइडेड डीनोइजिंग स्कोर मैचिंग विधि है जो जटिल मल्टी-स्केल प्रशिक्षण या व्यापक हाइपरपैरामीटर ट्यूनिंग की आवश्यकता के बिना, सेमी-सुपरवाइज्ड और पूरी तरह से अनसुपरवाइज्ड सेटिंग्स में स्टेट-ऑफ-द-आर्ट टैबुलर एनोमली डिटेक्शन प्राप्त करने के लिए प्रति फीचर शोर (noise) को अनुकूल रूप से स्केल करता है।