20386 पेपर
StepShield एक नया बेंचमार्क और अर्ली इंटरवेंशन रेट (EIR) मेट्रिक पेश करता है ताकि यह उजागर किया जा सके कि जबकि मौजूदा पैटर्न-आधारित मॉनिटर्स उच्च रिकॉल प्राप्त करते हैं, वे समयपूर्व अलर्ट के "फोरेंसिक्स ट्रैप" के कारण वास्तविक समय में हस्तक्षेप करने में विफल रहते हैं, जो यह सिद्ध करता है कि वर्तमान विधियाँ उच्च रिकॉल, कम फाल्स पॉजिटिव और रोगी एजेंटों के समय पर पता लगाने को एक साथ सुनिश्चित नहीं कर सकती हैं।
यह शोध पत्र एक कॉन्फॉर्मल प्रेडिक्शन एल्गोरिदम प्रस्तुत करता है जो इंस्टेंस सेगमेंटेशन के लिए एडेप्टिव कॉन्फिडेंस सेट्स उत्पन्न करता है, जो यह प्रमाणित गारंटी प्रदान करता है कि सेट के भीतर कम से कम एक प्रेडिक्शन ग्राउंड ट्रुथ के साथ उच्च इंटरसेक्शन-ओवर-यूनियन प्राप्त करता है और विविध अनुप्रयोगों में संरचनात्मक अनिश्चितता को प्रभावी ढंग से कैप्चर करता है।
यह शोध पत्र एल्गोरिद्मिक कोर एक्सट्रैक्शन (ACE) को प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि स्वतंत्र रूप से प्रशिक्षित ट्रांसफॉर्मर, भिन्न भार विन्यासों (weight configurations) के बावजूद, सघन, अपरिवर्तनीय एल्गोरिद्मिक उप-स्थानों (subspaces) पर अभिसरित होते हैं जो उनके व्यवहार को नियंत्रित करते हैं, जो स्पष्ट जटिलता के नीचे एक साझा कम्प्यूटेशनल संरचना को प्रकट करता है और यांत्रिक समझ एवं नियंत्रण के लिए एक नया मार्ग प्रदान करता है।
यह शोध पत्र प्रमाणित करता है कि रैंक-ऑर्डर N-of-M एनकोडिंग, जब MAX-Hebbian लर्निंग के साथ संयोजित होती है, तो मानक आर्किटेक्चर की तुलना में स्पार्स डिस्ट्रीब्यूटेड मेमोरी सिस्टम की क्षमता और शोर रोधकता (noise robustness) को महत्वपूर्ण रूप से बढ़ाती है, जो CALM जैसे न्यूरोमॉर्फिक AI मॉडल्स में निरंतर सीखने (continual learning) में सुधार के लिए व्यावहारिक डिजाइन मार्गदर्शन प्रदान करती है।
CONFLUX एक लेटेंट डिफ्यूजन मॉडल है जो 3D चेस्ट-CT संश्लेषण के लिए एक वेरिएशनल ऑटोएन्कोडर को रेक्टिफाइड-फ्लो ट्रांसफार्मर और सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) पोस्ट-ट्रेनिंग के साथ जोड़ता है ताकि उच्च-निष्ठा वाले, नियंत्रणीय मेडिकल वॉल्यूम उत्पन्न किए जा सकें जो इमेज गुणवत्ता और निर्दिष्ट नैदानिक गुणों के पालन, दोनों में मौजूदा बेसलाइनों से काफी बेहतर प्रदर्शन करते हैं।
यह शोध पत्र अडैप्टिव क्रेडिट पॉलिसी ऑप्टिमाइजेशन (ACPO) का प्रस्ताव करता है, जो एक टोकन-स्तरीय क्रेडिट असाइनमेंट फ्रेमवर्क है जो मोड-लोकल सरोगेट एंट्रॉपी का उपयोग करके पॉलिसी अपडेट को एसिमेट्रिकल रूप से मॉड्युलेट करता है, जिससे स्पार्स रिवार्ड्स और मिसअलाइन्ड ग्रेडिएंट्स की चुनौतियों को प्रभावी ढंग से संबोधित करते हुए गणितीय तर्क और कोडिंग बेंचमार्क पर मौजूदा RL बेसलाइन्स से बेहतर प्रदर्शन किया जा सके।
यह शोध पत्र PIEFS को प्रस्तुत करता है, जो एक पर्यवेक्षित न्यूरल रिप्रेजेंटेशन-लर्निंग फ्रेमवर्क है जो फिक्स्ड कर्नेल्स के स्थान पर ऑप्टिमाइज्ड डिरिचलेट-रेगुलराइज्ड कोऑर्डिनेट्स के साथ, एम्पेरिकल ग्राम ऑर्थोगोनैलिटी और एक लर्न करने योग्य, एनिसोट्रोपिक मेट्रिक वाले स्केलर कोऑर्डिनेट मैप्स को प्रशिक्षित करके टास्क-एडेप्टिव स्पेक्ट्रल फीचर्स का निर्माण करता है।
Wan-Streamer v0.2 एक एंड-टू-एंड ऑडियो-विजुअल इंटरेक्शन मॉडल का लेटेंसी-प्रिजर्विंग अपग्रेड है जो एक स्प्लिट आर्किटेक्चर का उपयोग करके आउटपुट रेजोल्यूशन को 192x336 से दोगुना कर 640x368 कर देता है, जहाँ एक सिंगल-जीपीयू "थिंकर" धारणा और भाषा की स्थिति को संभालता है जबकि एक मल्टी-जीपीयू "परफ़ॉर्मर" समूह हाई-रेजोल्यूशन वीडियो जनरेशन को समानांतर (पैरेललाइज) करता है, जिससे लगभग 550 ms की एंड-टू-एंड लेटेंसी बनी रहती है।
यह शोध पत्र एक गैर-उत्तल (non-convex) विरल सुदृढीकरण अधिगम (sparse reinforcement learning) दृष्टिकोण प्रस्तावित करता है जो लीस्ट-स्क्वायर टेम्पोरल-डिफरेंस पॉलिसी इवैल्यूएशन को एक प्रोजेक्टेड मिनिमैक्स कॉनकेव पेनल्टी के साथ संवर्धित करता है और परिणामी गैर-मोनोटोन समावेश समस्या (non-monotone inclusion problem) को हल करने के लिए फॉरवर्ड-रिफ्लेक्टेड-बैकवर्ड स्प्लिटिंग विधि के लिए नवीन अभिसरण गारंटी स्थापित करता है, जो शोर वाले वातावरण में अत्याधुनिक विधियों की तुलना में बेहतर फीचर चयन प्रदर्शन प्रदर्शित करता है।
TACTIC-KG एक लागत प्रभावी एजेंटिक फ्रेमवर्क है जो अनस्ट्रक्चर्ड थ्रेट रिपोर्ट्स से साइबर सुरक्षा नॉलेज ग्राफ का निर्माण करने के लिए कार्य को हल्के वजन वाले LLMs के लिए विशिष्ट भूमिकाओं में विभाजित करता है, जिससे यह सटीकता, स्थिरता और दक्षता में मोनोलिथिक बड़े मॉडलों से बेहतर प्रदर्शन करता है।