22423 पेपर
यह शोध पत्र 12 वर्गों से स्मार्टफोन को वर्गीकृत करने में 98% सटीकता प्राप्त करने के लिए एक फाइन-ट्यून्ड एलेक्सनेट (AlexNet) मॉडल का उपयोग करते हुए एक ट्रांसफर लर्निंग-आधारित दृष्टिकोण प्रस्तावित करता है, जो स्मार्ट शहरों में स्वचालित ई-कचरा पुनर्चक्रण के लिए एक प्रभावी एआई-संचालित समाधान प्रदर्शित करता है।
यह शोध पत्र प्रदर्शित करता है कि CTC-आंतरिक स्कोरिंग रणनीतियाँ ध्वनिक थकावट (acoustic exhaustion) और ब्लैंक पथों के प्रसार के कारण ओरेकल गैप को पाटने में विफल रहती हैं, जिससे यह स्थापित होता है कि WER को महत्वपूर्ण रूप से सुधारने के लिए बाहरी मॉडलों (जैसे कि RoBERTa) से भाषाई जानकारी की आवश्यकता होती है, जबकि जब प्रशिक्षण ओरेकल गैप नगण्य हो तो अनुक्रम-स्तरीय फाइन-ट्यूनिंग अप्रभावी सिद्ध होती है।
यह शोध पत्र 'Generals.io' नामक रियल-टाइम स्ट्रैटेजी गेम के लिए एक सुपरह्यूमन एआई एजेंट प्रस्तुत करता है, जो सेल्फ-प्ले रीइन्फोर्समेंट लर्निंग के माध्यम से विजन ट्रांसफार्मर पॉलिसी के कुशल एंड-टू-एंड प्रशिक्षण को सक्षम करने के लिए 10,000x की गति वृद्धि वाले एक JAX-नेटिव सिम्युलेटर का लाभ उठाकर सार्वजनिक लीडरबोर्ड पर #1 रैंकिंग प्राप्त करता है।
यह शोध पत्र एक व्याख्यात्मक मल्टीटास्क डीप-लर्निंग फ्रेमवर्क प्रस्तुत करता है जो कोहेरेंट फोटोप्रोडक्शन में विवर्तन (डिफ्रैक्शन) और व्यतिकरण (इंटरफेरेंस) पैटर्न को अलग करके, अल्ट्रा-परिफेरल कोलिजन से ट्रांसवर्स मोमेंटम वितरण का विश्लेषण करने और विरूपण (डेफॉर्मेशन) एवं न्यूट्रॉन स्किन जैसे कई परमाणु-संरचना संकेतकों को एक साथ निकालने के लिए है।
यह शोध पत्र DeluluNet को प्रस्तुत करता है, जो एक एंड-टू-एंड प्रशिक्षित आर्किटेक्चर है जो अनलेबल डेटा से लुप्त सेंसर रिप्रजेंटेशन (representation) की भविष्यवाणी करने के लिए मोडैलिटी हैलुसिनेशन (modality hallucination) का लाभ उठाकर रिमोट सेंसिंग मॉडल्स को बदलते उपग्रह मोडैलिटीज (प्रतिस्थापन, जोड़ या उपसमुच्चय) के अनुकूल बनाता है, जिससे बिना किसी महंगी री-लेबलिंग या री-ट्रेनिंग के मॉडल परिनियोजन (deployment) सक्षम होता है।
यह शोध पत्र अडैप्टिव हार्ड-सॉफ्ट फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क (HSPINN) को प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो विश्लेषणात्मक लिफ्टिंग और फीचर मैपिंग के माध्यम से सीमा स्थितियों (boundary conditions) को सटीक रूप से लागू करता है और एक इनवर्स-शेयर सॉफ्टमैक्स रणनीति के माध्यम से सॉफ्ट बाधाओं को गतिशील रूप से संतुलित करता है, जिससे विभिन्न PDE प्रकारों में पारंपरिक PINNs की तुलना में बेहतर अभिसरण (convergence), सटीकता और स्थिरता प्राप्त होती है।
यह शोध पत्र ChemGuard को प्रस्तुत करता है, जो एक रसायन-जागरूक (chemistry-aware) प्रवेश प्रोटोकॉल है जो रासायनिक रूप से अमान्य ट्रिगर्स को फ़िल्टर करके मौजूदा ग्राफ-आधारित आणविक बैकडोर हमलों की सीमाओं को उजागर करता है, और ChemBack का प्रस्ताव देता है, जो एक मॉडल-मुक्त हमला है जो रासायनिक रूप से वैध, लक्ष्य-संरेखित आणविक बैकडोर उत्पन्न करके इन जाँचों को सफलतापूर्वक दरकिनार करता है।
यह शोध पत्र भौतिकी-सूचित गहन शिक्षण (physics-informed deep learning) ढांचों को प्रस्तुत करता है जो आरजीबी (RGB) छवियों से विषम लकड़ी की सामग्रियों के पिक्सेल-स्तरीय तापीय प्रतिक्रियाओं की सटीक भविष्यवाणी करने के लिए आंशिक अंतर समीकरणों (partial differential equations) को एकीकृत करते हैं, जो पारंपरिक डेटा-संचालित ब्लैक-बॉक्स दृष्टिकोणों से बेहतर प्रदर्शन करते हुए भविष्य कहनेवाला सटीकता, भौतिक व्याख्यात्मकता और सामग्री विविधता के प्रबंधन के बीच प्रभावी ढंग से संतुलन बनाते हैं।
HyperQuant एक एकीकृत पोस्ट-ट्रेनिंग क्वांटाइजेशन पाइपलाइन है जो रैंडमाइज्ड हैडामार्ड ट्रांसफॉर्म, ऑप्टिमल लैटिस क्वांटाइजेशन, राइस कोडिंग और बायस करेक्शन को जोड़ता है ताकि बड़े भाषा और डिफ्यूजन मॉडल्स के वेट्स (weights) और KV कैशे (KV caches) के लिए रेट-डिस्टॉर्शन-ऑप्टिमल कंप्रेशन प्राप्त किया जा सके, जो विभिन्न बिट-रेट पर मौजूदा तरीकों से बेहतर प्रदर्शन करते हुए लगभग लॉसलेस गुणवत्ता बनाए रखता है।
यह शोध पत्र म्यूनिख में भूजल ताप प्लम (groundwater heat plume) की गतिशीलता की भविष्यवाणी करने के लिए एक सरोगेट मॉडल के रूप में क्वांटम कनवल्शनल न्यूरल नेटवर्क (QCNN) का प्रस्ताव करता है, यह प्रदर्शित करते हुए कि जबकि शास्त्रीय नेटवर्क वर्तमान में बेहतर सटीकता प्रदान करते हैं, QCNN क्वांटम सिम्युलेटर पर प्रतिस्पर्धी प्रदर्शन प्राप्त करता है और त्रुटि-निवारित (error-mitigated) हार्डवेयर स्थितियों के तहत आशाजनक सुधार दिखाता है।