22512 पेपर
यह शोध पत्र RAM को प्रस्तुत करता है, जो एक मॉर्फोलॉजी-कंडीशन्ड इम्प्लिसिट न्यूरल रिप्रेजेंटेशन है जिसे एक विशाल फॉरवर्ड-काइनेमैटिक्स डेटासेट पर प्रशिक्षित किया गया है जो विविध रोबोटिक मॉर्फोलॉजी के लिए तेज़, डिफरेंशिएबल और जनरलाइज़ेबल रीचेबिलिटी प्रेडिक्शन प्रदान करता है और स्वाभाविक रूप से सेल्फ-कोलिजन्स को ध्यान में रखता है, जिससे मॉर्फोलॉजी और ट्राजेक्टरी ऑप्टिमाइज़ेशन में महत्वपूर्ण रूप से तेजी आती है।
यह शोधपत्र एक नवीन प्रशिक्षण ढांचे का प्रस्ताव करता है जो इक्विलिब्रियम प्रोपेगेशन (Equilibrium Propagation) को आइसिंग मशीन डायनेमिक्स (Ising machine dynamics) के साथ संकरित (hybridize) करता है, जिसमें डिसिपेटिव हॉपफील्ड रिलैक्सेशन (dissipative Hopfield relaxation) को विस्तारित फेज़-स्पेस डायनेमिक्स (extended phase-space dynamics) से प्रतिस्थापित किया गया है, जिससे स्थानीय मिनिमा (local minima) पर विजय प्राप्त होती है, अभिसरण (convergence) में तेजी आती है, और गहरे कनवल्शनल हॉपफील्ड नेटवर्क पर बैकप्रोपैगेशन-स्तर का प्रदर्शन प्राप्त होता है, जबकि ऊर्जा की खपत को काफी कम किया जाता है।
यह शोध पत्र काउंटरफैक्चुअल ट्रांसपोर्ट फ्लोज़ (Counterfactual Transport Flows) प्रस्तुत करता है, जो ऑफलाइन सुदृढीकरण शिक्षण (reinforcement learning) के लिए एक ढांचा है जो लेटेंट स्पेस में उच्च प्रदर्शन करने वाले निकटवर्ती प्रक्षेप पथों (trajectories) को पुनः प्राप्त करके और उनसे सीखकर उम्मीदवार प्रक्षेप पथों को परिष्कृत करता है, जिससे लॉग किए गए डेटा के सपोर्ट से बाहर एक्सट्रपलेशन किए बिना, वर्ल्ड फीडबैक द्वारा निर्देशित रूढ़िवादी और व्याख्या योग्य नीति सुधार सक्षम होता है।
यह शोध पत्र प्रदर्शित करता है कि एक कोहेरेंट आइसिंग मशीन, जब इक्विलिब्रियम प्रोपेगेशन और एडम ऑप्टिमाइज़र के साथ संयोजित की जाती है, तो बेहतर अभिसरण (convergence) और स्केलेबिलिटी के साथ ऊर्जा-आधारित न्यूरल नेटवर्क को प्रभावी ढंग से प्रशिक्षित कर सकती है, जो ऊर्जा-कुशल, अगली पीढ़ी के एआई हार्डवेयर के लिए एक आशाजनक मार्ग प्रस्तुत करती है।
Claw-R1 एक एजेंटिक सुदृढीकरण शिक्षण (reinforcement learning) के लिए स्टेप-लेवल डेटा मिडलवेयर सिस्टम है जो एजेंट-पर्यावरण इंटरैक्शन के पूर्ण जीवनचक्र का प्रबंधन करता है, जो इंटरैक्शन ट्रेसेस को कैप्चर, व्यवस्थित और क्यूरेट करके उन्हें प्रशिक्षण के लिए तैयार डेटा एसेट्स में बदल देता है।
यह शोध पत्र नेपाल में सटीक कृषि के लिए एक एकीकृत मोबाइल-आधारित प्रणाली प्रस्तुत करता है जो 30-दिवसीय मौसम पूर्वानुमान के लिए स्पैटियो-टेम्पोरल ग्राफ कन्वोल्यूशनल नेटवर्क, मिट्टी और मौसम के डेटा के आधार पर स्थानीयकृत फसल सिफारिशों के लिए एक स्कोरिंग एल्गोरिदम, और किसानों को कार्रवाई योग्य, प्राकृतिक भाषा मार्गदर्शन प्रदान करने के लिए एक रिट्रीवल-ऑगमेंटेड जनरेशन चैटबॉट को एकीकृत करता है।
यह शोध पत्र सब-गॉसियन रिवॉर्ड्स वाले रिस्क-अवर्स मल्टी-आर्म्ड बैंडिट्स के लिए एल्गोरिदम की एसिम्प्टोटिक ऑप्टिमैलिटी को स्थापित करता है, यह सिद्ध करते हुए कि यह किसी भी निरंतर रिस्क फंक्शनल के लिए बिना किसी पैरामेट्रिक धारणा या लिप्सचिट्ज़ स्थितियों की आवश्यकता के, सैद्धांतिक निचली सीमा (लोअर बाउंड) से मेल खाने वाला इंस्टेंस-डिपेंडेंट रिग्रेट प्राप्त करता है।
यह शोध पत्र "इंजेक्शन पैराडॉक्स" (Injection Paradox) की पहचान करता है, जो सुरक्षा-प्रशिक्षित (safety-trained) LLMs में एक विफलता मोड है जहाँ RAG संदर्भों में प्रॉम्प्ट इंजेक्शन अप्रत्याशित रूप से लक्षित ब्रांड की सिफारिशों को दबा देते हैं, जिससे एक संभावित रिवर्स-अटैक वेक्टर उत्पन्न होता है जो GPT मॉडलों में देखे गए व्यवहार के विपरीत है।
यह शोध पत्र SNN-MLIR को प्रस्तुत करता है, जो एक ओपन-सोर्स MLIR डायलेक्ट और कंपाइलेशन ब्रिज है जो न्यूरोमॉर्फिक इंटरमीडिएट रिप्रजेंटेशन (NIR) को पोर्टेबल, डिपेंडेंसी-फ्री C11 कोड में परिवर्तित करता है, जिससे फ्लोटिंग-पॉइंट और क्वांटाइज्ड सिमुलेशन दोनों का समर्थन करते हुए विविध SNN फ्रेमवर्क से बेयर-मेटल CPU पर तैनाती के लिए एक एकीकृत पथ सक्षम होता है।
यह शोधपत्र BSTabDiff प्रस्तुत करता है, जो एक ब्लॉक-सबयूनिट जनरेटिव फ्रेमवर्क है जो उच्च-आयामी, कम-नमूना-आकार (HDLSS) सारणीबद्ध विशेषताओं को लेटेंट ब्लॉक्स में विभाजित करता है ताकि एक संक्षिप्त स्थान में वैश्विक निर्भरताओं को सीखा जा सके और कोपूला-संचालित तंत्रों के माध्यम से डिकोड किया जा सके, जिससे स्थिर और यथार्थवादी सिंथेटिक डेटा जनरेशन प्राप्त होता है जो HDLSS परिदृश्यों में मौजूदा अनस्ट्रक्चर्ड विधियों से बेहतर प्रदर्शन करता है।