21502 पेपर
यह शोध पत्र नॉइज़-अलाइन्ड आरएफएम स्टीयरिंग (NA-RFM) प्रस्तुत करता है, जो डिफ्यूजन मॉडल्स को स्टीयर करने की एक कुशल विधि है जो ऑफलाइन-कम्प्यूटेड नॉइज़ अलाइनमेंट और रिकर्सिव फीचर मशीन एक्टिवेशन स्टीयरिंग को जोड़कर तेज़ इन्फरेंस और बेहतर सटीकता प्राप्त करती है, जिससे प्रति-चरण होने वाली महंगी ग्रेडिएंट गणनाओं की आवश्यकता समाप्त हो जाती है।
यह शोध पत्र एक डिफ्यूजन-आधारित डीप लर्निंग फ्रेमवर्क प्रस्तुत करता है जो हल्के LUCIE जलवायु एमुलेटर के आउटपुट को ~300 किमी से ~28 किमी रिज़ॉल्यूशन तक सफलतापूर्वक डाउनस्केल करता है, जो क्षेत्रीय प्रभाव आकलन के लिए सटीक सूक्ष्म-स्तरीय जलवायु सांख्यिकी उत्पन्न करते हुए बड़े पैमाने की गतिशीलता को संरक्षित करता है।
केन्याई न्यायपालिका में मामलों को मध्यस्थों (mediators) के बीच आवंटित करने की चुनौती से प्रेरित होकर, यह शोध पत्र SMaRT पेश करता है, जो एक ऑनलाइन एल्गोरिदम है जो क्षमता संबंधी बाधाओं और मध्यस्थ गुणवत्ता शिक्षण को संतुलित करते हुए एक उच्च-आयामी अवस्था स्थान (high-dimensional state space) में कुशलतापूर्वक संसाधनों को आवंटित करने के लिए द्विघात प्रोग्रामिंग (quadratic programming) और मल्टी-एजेंट बैंडिट लर्निंग को संयोजित करता है।
यह शोध पत्र मोमेंटम गाइडेंस (Momentum Guidance) को प्रस्तुत करता है, जो फ्लो-आधारित जनरेटिव मॉडल्स के लिए एक प्लग-एंड-प्ले विधि है जो वर्तमान वेगों (velocities) को पिछले वेगों के एक्सपोनेंशियल मूविंग एवरेज से दूर एक्सट्रपलेट करके नमूना गुणवत्ता और विविधता को बढ़ाता है, जिससे बिना किसी अतिरिक्त कंप्यूटेशनल लागत के ImageNet-256 जैसे बेंचमार्क और Stable Diffusion 3 जैसे बड़े मॉडल्स पर महत्वपूर्ण FID सुधार प्राप्त होता है।
PixelRAG एक नवीन रिट्रीवल-ऑगमेंटेड जनरेशन फ्रेमवर्क पेश करता है जो पूरी तरह से पिक्सेल स्पेस में संचालित होता है, जो पार्स किए गए टेक्स्ट के बजाय रॉ वेबसाइट स्क्रीनशॉट्स को रिट्रीव और प्रोसेस करता है, जिससे लेआउट लॉस समाप्त हो जाता है और पारंपरिक टेक्स्ट-आधारित RAG सिस्टम की तुलना में विविध बेंचमार्क पर बेहतर प्रदर्शन और दक्षता प्राप्त होती है।
यह शोध पत्र तर्क देता है कि एआई सुरक्षा को केवल वर्तमान प्रदर्शन के व्यवहारिक गुण के रूप में नहीं, बल्कि "शिक्षण क्षमता" (teachability) के एक ज्ञानमीमांसीय गुण के रूप में पुनर्गठित किया जाना चाहिए—जो भविष्य के सुधारात्मक उत्तोलन (corrective leverage) को बनाए रखने की क्षमता है—ताकि यह सुनिश्चित किया जा सके कि उन्नत, स्व-सुधार करने वाली प्रणालियाँ समय के साथ सुधारात्मक बनी रहें।
यह अध्ययन प्रदर्शित करता है कि सीखे गए कंपनी एम्बेडिंग को DBpedia से संरचित सिमेंटिक ज्ञान के साथ समृद्ध करना, उपयोगकर्ता इंटरैक्शन की भविष्यवाणी करने में B2B लीड अनुशंसा प्रणालियों के प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह शोध पत्र प्रदर्शित करता है कि बिना लेबल वाले ड्राइविंग डेटा पर प्रशिक्षित एक स्व-पर्यवेक्षित जॉइंट एम्बेडिंग प्रेडिक्टिव आर्किटेक्चर (JEPA), टेम्पोरल प्रेडिक्शन एरर को ज़ीरो-लेबल कॉम्प्लेक्सिटी स्कोर के रूप में उपयोग करके जटिल और सुरक्षा-महत्वपूर्ण परिदृश्यों की प्रभावी ढंग से पहचान कर सकता है, जो बिना किसी मानवीय एनोटेशन के विसंगति का पता लगाने (anomaly detection) में महत्वपूर्ण प्रदर्शन प्राप्त करता है।
RADIANT-PET एक नवीन ढांचा है जो संरचित पाठ्य विवरणों और नैदानिक रिपोर्टों का उपयोग करके उम्मीदवारों का न्याय करने के लिए एक सुदृढीकरण शिक्षण-अनुकूलित बड़े भाषा मॉडल के साथ एक अनुमति देने वाले वोक्सेल-स्तरीय मॉडल को जोड़कर PET/CT घाव विभाजन (लेसन सेगमेंटेशन) को बढ़ाता है, जिससे गलत सकारात्मकता (फॉल्स पॉजिटिव) में काफी कमी आती है और भविष्यवाणियों को नैदानिक व्याख्या के साथ संरेखित किया जाता है।