22775 पेपर
यह शोध पत्र GFFMERGE को प्रस्तुत करता है, जो एक सिद्धांत-आधारित ढांचा है जो ग्राफ न्यूरल नेटवर्क्स की रैखिक संरचना का लाभ उठाकर फोर्स फील्ड मॉडलों के कुशल, क्लोज्ड-फॉर्म मर्जिंग को सक्षम बनाता है, जो मौजूदा विजन और लैंग्वेज मर्जिंग विधियों की विनाशकारी विफलताओं को दूर करते हुए विविध आणविक और सॉलिड-स्टेट बेंचमार्क पर महत्वपूर्ण गति के साथ लगभग जॉइंट-ट्रेनिंग प्रदर्शन प्राप्त करता है।
यह शोध पत्र तर्क देता है कि प्रचलित एकाकीवादी (solipsistic) एआई प्रतिमान, जो विश्व को एक स्थिर वातावरण के रूप में मानता है, एकपक्षीय अनुकूलन की आत्म-क्षतिजनक प्रकृति के कारण अनिवार्य रूप से असहयोगी सुपरइंटेलिजेंस उत्पन्न करेगा, जिससे परिणामस्वरूप होने वाली गैर-स्थिरता (non-stationarity) से निपटने के लिए सहयोग और मानवीय एजेंसी को मूल डिजाइन सिद्धांतों के रूप में समाहित करने वाले एक नए अनुसंधान दृष्टिकोण की आवश्यकता होगी।
यह शोध पत्र GAUGE को प्रस्तुत करता है, जो न्यूरल वेक्टर बंडल्स (Neural Vector Bundles) पर आधारित एक रीमानियन ग्राफ फाउंडेशन मॉडल है, जो सैद्धांतिक रूप से हस्तांतरणीय उप-संरचनाओं (transferable substructures) को आंतरिक ज्यामिति से जोड़ता है और शून्य-शॉट लिंक प्रेडिक्शन (zero-shot link prediction) तथा ग्राफ आइसोमॉर्फिज्म (graph isomorphism) कार्यों में उत्कृष्ट प्रदर्शन का अनुभवजन्य प्रदर्शन करता है।
यह शोध पत्र MuHL को प्रस्तुत करता है, जो एक अनुकूली बहु-पैमाने वाला हाइपरग्राफ लर्निंग फ्रेमवर्क है जो जटिल उच्च-क्रम मस्तिष्क अंतःक्रियाओं को पकड़ने के लिए पदानुक्रमित हाइपरएज (hierarchical hyperedges) को गतिशील रूप से निर्मित करता है, जिससे न्यूरोडीजेनेरेटिव रोगों के वर्गीकरण और रोग की प्रगति से जुड़े प्रमुख क्षेत्रों की पहचान करने में सुधार होता है।
यह शोध पत्र एक सत्यापन-गेटेड (validation-gated) मल्टी-एजेंट गवर्नेंस फ्रेमवर्क प्रस्तुत करता है जो भूमिका-पृथक एजेंटों को नियतात्मक चैंपियन-चैलेंजर गेट्स के साथ संयोजित करके, ऑपरेटिंग-रेजीम शिफ्ट के प्रति थर्मल-हाइड्रोलिक सरोगेट मॉडल्स के सुरक्षित, ऑडिट योग्य और निरंतर अनुकूलन को सक्षम बनाता है, जिससे स्टेटिक डिप्लॉयमेंट की तुलना में 19.0% त्रुटि में कमी प्राप्त होती है।
यह शोध पत्र शार्ट- और लॉन्ग-रेंज ब्रेन नेटवर्क संबंधों को पकड़ने की सीमाओं को दूर करने के लिए ट्रांसफार्मर-गाइडेड एडेप्टिव डिफ्यूजन से उन्नत एक मल्टी-मोडल ग्राफ न्यूरल नेटवर्क का प्रस्ताव करता है, जिससे प्रीक्लिनिकल अल्जाइमर रोग के वर्गीकरण में सुधार होता है और प्रमुख संबंधित मस्तिष्क क्षेत्रों की पहचान होती है।
यह शोध पत्र प्रकट करता है कि कैलिब्रेशन डेटा स्रोत विभिन्न LLM क्षमता आयामों में विपरीत-चिह्न वाले ट्रेड-ऑफ प्रदर्शित करते हैं, जो IGSP के प्रस्ताव को प्रेरित करते हैं, जो एक सूचना-निर्देशित स्व-कैलिब्रेशन प्रोटोकॉल है जो उच्च-स्पैरसिटी प्रूनिंग (high-sparsity pruning) में सिंगल-सोर्स बेसलाइनों से काफी बेहतर प्रदर्शन करने के लिए मल्टी-सोर्स मिक्सिंग को स्वचालित करता है।
यह शोध पत्र FLIPS को प्रस्तुत करता है, जो एक नवीन इंस्टेंस-स्तरीय फिंगरप्रिंटिंग विधि है जो एक ही लार्ज लैंग्वेज मॉडल के विभिन्न कॉन्फ़िगरेशन के बीच सटीक रूप से अंतर करने के लिए छद्म-यादृच्छिक अनुक्रम पूर्वाग्रहों (pseudo-random sequence biases) का लाभ उठाती है, जिससे केवल मॉडल के उद्गम (provenance) के बजाय विशिष्ट तैनात व्यवहारों की पहचान करने में सक्षम होकर एआई विनियमन में एक महत्वपूर्ण अंतर को संबोधित किया जा सकता है।
Lingo_Research_Group का शोध पत्र SemEval-2026 टास्क 9 के लिए Gemma3-27B मॉडल का उपयोग करते हुए बारह प्रॉम्प्ट वेरिएंट्स का एक व्यवस्थित मूल्यांकन प्रस्तुत करता है, जो यह दर्शाता है कि जबकि प्रॉम्प्ट-आधारित दृष्टिकोण 22 भाषाओं में मोटे तौर पर (coarse-grained) ध्रुवीकरण का प्रभावी ढंग से पता लगाते हैं, उन्हें सूक्ष्म (fine-grained) और बहु-लेबल समाजशास्त्रीय वर्गीकरण में बढ़ती चुनौतियों का सामना करना पड़ता है।
यह शोध पत्र IdEst को प्रस्तुत करता है, जो एक मिनिमम स्पैनिंग ट्री डाइमेंशन एस्टीमेटर का उपयोग करके सेल्फ-सुपरवाइज्ड लर्निंग रिप्रजेंटेशन्स की इंट्रिन्सिक डाइमेंशन का अनुमान लगाने वाली एक गणनात्मक रूप से कुशल विधि है, जो यह प्रदर्शित करता है कि यह ज्यामितीय मीट्रिक डाउनस्ट्रीम लीनियर प्रोब प्रदर्शन के साथ दृढ़ता से सह-संबंधित है और हाइपरपैरामीटर चयन के लिए एक सिद्धांत आधारित विकल्प के रूप में कार्य करता है।