19863 पेपर
यह शोध पत्र "ऑपरेटर-ऑन-एफ" (operator-on-F) को प्रस्तुत करता है, जो एक प्लानिंग-टाइम डायग्नोस्टिक है जो पारंपरिक वैल्यू-इक्विवेलेंस चेक्स के पूरक के रूप में कार्य करता है, जो प्रभावी ढंग से लेटेंट वर्ल्ड मॉडल त्रुटियों की पहचान करता है और प्लानिंग परफॉरमेंस डिग्रेडेशन की भविष्यवाणी करता है, जिसे मानक रिवॉर्ड-प्रेडिक्शन मेट्रिक्स अक्सर पहचानने में विफल रहते हैं।
BiLoG-Net एक नवीन एंड-टू-एंड डीप लर्निंग फ्रेमवर्क है जो बायो-कॉन्टेक्स्ट लोकेशन-अवेयर फीचर मॉडलिंग और सेगमेंटेशन-गाइडेड अटेंशन मैकेनिज्म को एकीकृत करके मैमोग्राफी में ब्रेस्ट मास सेगमेंटेशन और मैलिग्नेंसी क्लासिफिकेशन को संयुक्त रूप से निष्पादित करता है, जिससे CBIS-DDSM और INBreast बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
FixItFlow एक स्वचालित प्रणाली है जो ऐतिहासिक क्लाउड इंसिडेंट डेटा से सत्यापित ट्रबलशूटिंग गाइड तैयार करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाती है, जिससे इंजीनियरिंग टीमों के लिए इंसिडेंट रिस्पॉन्स समय में काफी सुधार होता है और दस्तावेज़ीकरण का बोझ कम होता है।
यह शोध पत्र एक हल्का, विच्छेदित (decoupled) ट्रांसफर लर्निंग रणनीति प्रस्तावित करता है जो एंड-टू-एंड बैकप्रोपैगेशन के बिना नॉर्मलाइजेशन परतों को अनुकूलित करती है और एक पुनर्गठित क्लासिफायर हेड को अनुकूलित करती है, जिससे विविध सीएनएन (CNN) और ट्रांसफॉर्मर आर्किटेक्चर पर मेडिकल इमेजिंग डेटासेट के माध्यम से प्रतिस्पर्धी सटीकता बनाए रखते हुए कम्प्यूटेशनल लागत और कार्बन उत्सर्जन को काफी कम किया जाता है।
यह शोध पत्र टार्गेटेड पैरामीटर डिकंपोजिशन (tPD) को प्रस्तुत करता है, जो एक स्केलेबल विधि है जो गैर-लक्ष्य डेटा को संभालने के लिए एक हाई-रैंक कैच-ऑल घटक का उपयोग करके बड़े न्यूरल नेटवर्क के भीतर विशिष्ट कम्प्यूटेशनल सर्किट को अलग करती है, जिससे काफी कम कम्प्यूटेशनल लागत के साथ तंत्रों की कुशल रिकवरी और सर्जिकल हेरफेर सक्षम होता है।
यह शोध पत्र HRIBench प्रस्तुत करता है, जो एक नैदानिक बेंचमार्क है जिसमें संरचित इंटरेक्शन परिदृश्य और विशिष्ट मेट्रिक्स शामिल हैं ताकि वर्तमान विजन-लैंग्वेज-एक्शन मॉडल्स द्वारा पकड़ने में विफल रहने वाले इरादे की समझ (इंटेंट अंडरस्टैंडिंग), टेम्पोरल सिंक्रोनाइज़ेशन और प्रोटोकॉल पालन के महत्वपूर्ण अंतराल को संबोधित करते हुए मानव-रोबोट सहयोग का मूल्यांकन और सुधार किया जा सके।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि लार्ज लैंग्वेज मॉडल्स में एक्टिवेशन-स्पेस प्रोब्स व्यापक जोखिमों का प्रभावी ढंग से पता लगाने और हानिकारक अनुरोधों के एक उच्च प्रतिशत को रोकने में सक्षम हैं, वे सतह के रूप (surface form) को बदले बिना संदर्भ बदलने पर हानिकारक और निर्दोष प्रॉम्प्ट्स के बीच अंतर करने के लिए विश्वसनीय स्टैंडअलोन निर्णायक के रूप में कार्य करने में विफल रहते हैं।
यह शोध पत्र धोखाधड़ी का पता लगाने और विश्वास-तथा-सुरक्षा (trust-and-safety) वर्कफ़्लो के लिए LLMs को तैनात करने में एक महत्वपूर्ण साक्ष्य अंतराल की पहचान करता है, यह देखते हुए कि जहाँ धोखाधड़ी-केंद्रित अध्ययनों में विलंबता (latency) और लागत जैसे परिचालन मेट्रिक्स का अभाव है, वहीं मॉडरेशन अनुसंधान अधिक सुदृढ़ डेटा प्रदान करता है, और यह भविष्य के परिनियोजन दावों को निर्देशित करने के लिए FORTE फ्रेमवर्क और एक न्यूनतम साक्ष्य चेकलिस्ट का प्रस्ताव करता है।
स्लॉगगार्ड-एनएसएफए (SlogGuard-NSFA) एक विस्तार योग्य गार्डरेल फ्रेमवर्क है जो एक व्यापक जोखिम वर्गीकरण, एक बड़े पैमाने के बहुभाषी बेंचमार्क और जनरेटिव रीजनिंग के साथ रीयल-टाइम क्लासिफिकेशन को संयोजित करने वाले दोहरे मोड डिटेक्शन दृष्टिकोण को पेश करके एजेंटिक एआई सिस्टम को परिचालन संबंधी खतरों से सुरक्षित करता है, जिससे कई मॉडल आकारों में अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र TSSM का प्रस्ताव करता है, जो एक नवीन त्रियक अवस्था स्थान मॉडल (Triaxial State Space Model) है जो दीर्घकालिक मौसम पैटर्न और सहसंबंधों को प्रभावी ढंग से कैप्चर करने के लिए अवधि-संरेखित ऐतिहासिक डेटा को एकीकृत करता है, जिससे वैश्विक स्टेशन मौसम पूर्वानुमान में सटीकता, चरम घटनाओं की भविष्यवाणी और लुप्त अवलोकनों के प्रति मजबूती में महत्वपूर्ण सुधार के साथ अत्याधुनिक प्रदर्शन प्राप्त होता है।