19863 पेपर
यह शोध पत्र टास्क-कंडीशन्ड सिंथेटिक डेटा जनरेशन (TCSDG) को प्रस्तुत करता है, जो बेयसियन नेटवर्क और ट्रांसफॉर्मर-आधारित इन-कॉन्टेक्स्ट लर्निंग को संयोजित करने वाला एक नवीन ढांचा है, जो उच्च गुणवत्ता वाले सिंथेटिक डेटा के निर्माण के माध्यम से कृषि फसल उपज भविष्यवाणी और प्रकार वर्गीकरण कार्यों में मशीन लर्निंग प्रदर्शन को बढ़ाकर मौजूदा विधियों से काफी बेहतर प्रदर्शन करता है।
यह शोधपत्र WiCAT को प्रस्तुत करता है, जो वाइडफील्ड कैल्शियम इमेजिंग के लिए एक मल्टी-सब्जेक्ट फाउंडेशन मॉडल है जो अनसीन सब्जेक्ट्स पर ज़ीरो-शॉट बिहेवियर डिकोडिंग और ब्रेन रीजन रिकंस्ट्रक्शन को सक्षम करने के साथ-साथ सिंगल-सेशन बेसलाइन्स की तुलना में बेहतर प्रदर्शन प्राप्त करने के लिए एटलस-अलाइन्ड स्पैटियोटेम्पोरल टोकनाइज़ेशन और सेल्फ-सुपरवाइज्ड प्रीट्रेनिंग का उपयोग करता है।
यह शोध पत्र एक ज्ञान-प्रतिबंधित आकार अनुकूलन ढांचे (knowledge-constrained shape optimization framework) का प्रस्ताव करता है जो विविध वाहन ज्यामिति में 4-10% के उच्च-विश्वास वाले ड्रैग न्यूनीकरण को स्वचालित करने और इंजीनियरिंग बाधाओं को प्राप्त करने के लिए अनिश्चितता-जागरूक फीडबैक के साथ एक मिक्स्चर-ऑफ-एक्सपर्ट्स न्यूरल ऑपरेटर को एकीकृत करता है।
यह शोध पत्र यह प्रदर्शित करता है कि एआई एजेंटों के लिए सुदृढ़ मानक प्रवर्तन तंत्र, जो गतिशील विश्वसनीयता अनुमान और बढ़ते दंड को शामिल करते हैं, उन बहु-एजेंट प्रणालियों में मिसअलाइन्ड (misaligned) एजेंटों द्वारा शोषण को प्रभावी ढंग से रोकते हैं और सामूहिक व्यवहार को आकार देते हैं जहाँ सरल प्रवर्तन विफल हो जाता है।
यह शोध पत्र यह प्रदर्शित करता है कि लंबाई-दंडित सुदृढीकरण शिक्षण (length-penalized reinforcement learning) चेन-ऑफ-थॉट तर्क को इस तरह से संकुचित करता है जो उत्तर की सटीकता को सुरक्षित रखते हुए उन विशिष्ट संकेतों को चुनिंदा रूप से हटा देता है जिनकी निगरानी करने वाले छिपे हुए प्रभावों का पता लगाने के लिए आवश्यकता होती है, जिससे एक "संपीड़न-निगरानी सीमा" (compression-monitorability frontier) निर्मित होती है जहाँ सस्ता तर्क ऑडिट करना काफी कठिन हो जाता है।
यह शोध पत्र 2D LiDAR रेंज इमेज सेगमेंटेशन के लिए पहले डिफ्यूजन-आधारित अनरिस्ट्रिक्टेड एडवरसेरियल अटैक का प्रस्ताव करता है, जो नियंत्रित और ट्रांसफ़रेबल सेगमेंटेशन त्रुटियों को प्रेरित करने के लिए यथार्थवादी, मैनिफोल्ड-प्रिजर्विंग उदाहरण उत्पन्न करने हेतु सैंपलिंग के दौरान एडवरसेरियल गाइडेंस का लाभ उठाता है।
यह शोध पत्र MVMGNN का प्रस्ताव करता है, जो एक मल्टी-व्यू मास्कड ग्राफ न्यूरल नेटवर्क है जो स्ट्रक्चरल एमआरआई-आधारित अल्जाइमर रोग निदान में सिंगल-स्ट्रेटजी ग्राफ कंस्ट्रक्शन की सीमाओं को दूर करने के लिए एक जॉइंट नोड-एज मास्किंग मैकेनिज्म और क्रॉस-व्यू गेटेड फ्यूजन का उपयोग करता है, जिससे ADNI डेटासेट पर श्रेष्ठ वर्गीकरण प्रदर्शन और व्याख्यात्मकता प्राप्त होती है।
यह शोध पत्र यह प्रदर्शित करता है कि LLM इन्फरेंस इंजनों में व्यापक रूप से उपयोग किया जाने वाला साइन-ब्रांचिंग रिपिटिशन पेनल्टी (sign-branching repetition penalty) मौलिक रूप से त्रुटिपूर्ण है क्योंकि यह मनमाने लॉगिट ज़ीरो-पॉइंट (logit zero-point) पर निर्भर करता है, जिससे विभिन्न मॉडलों के बीच टोकन चयन में भारी अस्थिरता और स्ट्रक्चर्ड JSON आउटपुट में विनाशकारी विफलताएं होती हैं, एक ऐसी समस्या जिसे रॉ लॉगिट्स (raw logits) के बजाय सामान्यीकृत लॉग-प्रोबेबिलिटीज़ (normalized log-probabilities) पर पेनल्टी लागू करके हल किया गया है।
यह शोध पत्र RUBRIC को प्रस्तुत करता है, जो एक जनरेटर-अज्ञेय (generator-agnostic) ढांचा है जो यथार्थता और उपयोगिता को संतुलित करके असंतुलित वर्गीकरण के लिए सिंथेटिक नमूना चयन को अनुकूलित करता है ताकि सामान्यीकरण सीमाओं (generalization bounds) को कड़ा किया जा सके और ROC-AUC से समझौता किए बिना F1-macro और रिकॉल जैसे प्रदर्शन मेट्रिक्स में सुधार किया जा सके।
यह शोध पत्र पैनल डेटा वाले मार्कोव चेन चॉइस मॉडल्स के लिए एक नवीन ढांचे (framework) को प्रस्तुत करता है जो पैरामीटर अनुमान के लिए बेहतर ईएम (EM) एल्गोरिदम विकसित करने के लिए आंशिक-क्रम वरीयता सूचना (partial-ordering preference information) का लाभ उठाता है, साथ ही व्यक्तिगत पसंद भविष्यवाणी और असॉर्टमेंट अनुकूलन की कम्प्यूटेशनल जटिलता को भी स्थापित करता है।