23164 पेपर
यह शोधपत्र TinyDéjàVu को प्रस्तुत करता है, जो एक ओपन-सोर्स फ्रेमवर्क और एल्गोरिदम का समूह है जो संसाधन-सीमित माइक्रोकंट्रोलर्स पर न्यूरल नेटवर्क इन्फरेंस के लिए डेटा प्रवाह को अनुकूलित करता है, जिससे सेंसर डेटा स्ट्रीम को प्रोसेस करने के लिए पूर्व विधियों के समान विलंबता (latency) के साथ रैम (RAM) के उपयोग में 90% तक की कमी आती है।
यह शोध पत्र एरियल-एमएल (Ariel-ML) को प्रस्तुत करता है, जो एक ओपन-सोर्स एम्बेडेड रस्ट टूलकिट है जो हेटेरोजेनियस मल्टी-कोर माइक्रोकंट्रोलर्स पर टाइनीएमएल (TinyML) मॉडल्स के लिए पैरेलल इन्फरेंस को ऑटोमेट करता है, और पारंपरिक सी/सी++ समाधानों के तुलनीय मेमोरी फुटप्रिंट बनाए रखते हुए बेहतर लेटेंसी प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र AdvJudge-Zero प्रस्तुत करता है, जो एक ऐसी विधि है जो यह प्रदर्शित करती है कि जज के अपने वितरण (distribution) से नमूने के रूप में लिए गए छोटे, कम-परप्लेक्सिटी (low-perplexity) वाले टोकन का उपयोग करके LLM-as-a-Judge के बाइनरी फैसलों को उच्च सफलता दर के साथ बदला जा सकता है, और एक LoRA-आधारित रक्षा तंत्र का प्रस्ताव करता है जो इन प्रतिकूल हमलों (adversarial attacks) को प्रभावी ढंग से कम करता है और RLHF प्रशिक्षण में रिवॉर्ड कोलैप्स (reward collapse) को रोकता है।
यह शोध पत्र DFORM प्रस्तुत करता है, जो एक व्यापक ढांचा है जो डायनेमिकल सिस्टम्स के वेक्टर फील्ड्स को संरेखित करने के लिए नॉनलीनियर कोऑर्डिनेट ट्रांसफॉर्मेशन सीखता है, जिससे मॉडल्स के बीच टोपोलॉजिकल इक्विवेलेंस की तुलना करना और रिकरेंट न्यूरल नेटवर्क जैसे हाई-डायमेंशनल स्पेस के भीतर लो-डायमेंशनल मैकेनिस्टिक मोटिफ्स की पहचान करना सक्षम होता है।
यह शोध पत्र महामारी स्रोत का पता लगाने के लिए ग्राफ न्यूरल नेटवर्क (GNN) दृष्टिकोणों की व्यवस्थित रूप से समीक्षा और बेंचमार्किंग करता है, जो कठोर पुनरुत्पादन और नियंत्रित प्रयोगों के माध्यम से यह प्रदर्शित करता है कि GNN विविध नेटवर्क टोपोलॉजी में पारंपरिक और MLP-आधारित विधियों की तुलना में काफी बेहतर प्रदर्शन करते हैं, जिससे इस कार्य को GNN आर्किटेक्चर के मूल्यांकन के लिए एक सुदृढ़ बेंचमार्क के रूप में स्थापित किया गया है।
यह शोधपत्र फ्यू-शॉट ट्रांसपोर्टेबिलिटी (few-shot transportability) के लिए एक रूपरेखा प्रस्तुत करता है जो स्रोत डोमेन से सीखे गए कॉज़ल मैकेनिज्म (causal mechanisms) को संयोजित करके ज़ीरो-शॉट या फ्यू-शॉट भविष्यवाणी सक्षम करने के लिए मॉड्यूल और सर्किट ट्रांसपोर्टेबिलिटी को परिभाषित करता है, जो सैद्धांतिक त्रुटि गारंटी और न्यूनतम डेटा के साथ लक्ष्य कार्यों के अनुकूल होने के लिए एक ग्रेडिएंट-आधारित विधि प्रदान करता है।
यह शोध पत्र बांग्लादेश के कपड़ा उद्योग में समान इंडक्शन मोटरों की निगरानी के लिए एक रियल-टाइम, क्लाउड-कनेक्टेड NILM फ्रेमवर्क का प्रस्ताव और मूल्यांकन करता है, जो प्रभावी कुल ऊर्जा अनुमान का प्रदर्शन करते हुए समान लोड को अलग करने की महत्वपूर्ण चुनौतियों को रेखांकित करता है और उन्नत डीप लर्निंग एवं उच्च-आवृत्ति डेटा संग्रह के माध्यम से भविष्य के सुधारों का सुझाव देता है।
यह शोध पत्र प्रदर्शित करता है कि DeepSeek-V3 LLM में वाक्यात्मक (syntactic) और अर्थगत (semantic) जानकारी आंशिक रूप से रैखिक रूप से एनकोडेड है और परतों (layers) में विभेदात्मक रूप से वितरित है, जैसा कि औसत प्रतिनिधित्व सेंट्रॉइड्स (averaged representation centroids) के घटाव के माध्यम से इन संकेतों को अलग करने की क्षमता से सिद्ध होता है।
यह शोधपत्र इमेजिंग इन्वर्स समस्याओं के लिए सुपरवाइज्ड कनवल्शनल न्यूरल नेटवर्क्स को समझने में मौजूद सैद्धांतिक अंतराल को पाटता है, जिसके लिए एक व्याख्यात्मक, विश्लेषणात्मक सूत्र (लोकल-इक्विवैरिएंट मिनिमम मीन स्क्वायर एरर (LE-MMSE) एस्टिमेटर हेतु) व्युत्पन्न किया गया है जो CNN इंडक्टिव बायस को समाहित करता है और विविध कार्यों एवं आर्किटेक्चरों में नेटवर्क आउटपुट की सटीक भविष्यवाणी करता है।
यह शोध पत्र प्रकट करता है कि बड़े भाषा मॉडल एक व्यवस्थित अधिकार पूर्वाग्रह (authority bias) प्रदर्शित करते हैं जहाँ वे गलत समर्थन के प्रति अधिक संवेदनशील हो जाते हैं और स्रोत की कथित विशेषज्ञता बढ़ने के साथ गलत उत्तरों में उच्च आत्मविश्वास प्रदर्शित करते हैं, लेकिन यह भी दर्शाता है कि यह पूर्वाग्रह यांत्रिक रूप से एनकोडेड है और इसे विशेषज्ञों द्वारा भ्रामक जानकारी प्रदान किए जाने पर भी प्रदर्शन में सुधार करने के लिए स्टीयरिंग के माध्यम से कम किया जा सकता है।