23260 पेपर
NeuroMambaLLM एक एंड-टू-एंड फ्रेमवर्क है जो fMRI डेटा के डायनेमिक लेटेंट ग्राफ लर्निंग और माम्बा-आधारित टेम्पोरल मॉडलिंग को LoRA द्वारा संवर्धित एक फ्रोजन LLM के साथ एकीकृत करता है, जो एडेप्टिव कनेक्टिविटी विश्लेषण के माध्यम से ऑटिज्म नैदानिक वर्गीकरण और नैदानिक रूप से सार्थक टेक्स्टुअल रिपोर्ट के निर्माण, दोनों को सक्षम बनाता है।
यह शोध पत्र PhyGHT को प्रस्तुत करता है, जो एक भौतिकी-निर्देशित हाइपरग्राफ ट्रांसफार्मर है जो अत्यधिक पाइलअप शोर (pileup noise) को प्रभावी ढंग से फ़िल्टर करने और हाई-ल्यूमिनोसिटी लार्ज हैड्रॉन कोलाइडर में टॉप-क्वार्क संकेतों को सटीक रूप से पुनर्गठित करने के लिए एक पाइलअप सप्रेशन गेट (Pileup Suppression Gate) से सुसज्जित है, जो मौजूदा अत्याधुनिक विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र "कन्स्ट्रेंट टैक्स" (constraint tax) को पेश करता है ताकि यह प्रदर्शित किया जा सके कि छोटे भाषा मॉडलों पर कठोर संरचित-आउटपुट बाधाओं को लागू करने से स्कीमा वैधता की गारंटी के बावजूद उनके उत्तर और निष्पादन योग्य सटीकता में काफी गिरावट आती है, जिससे इस धारणा को चुनौती मिलती है कि ऐसी बाधाएं तटस्थ होती हैं और वैधता एवं शुद्धता मेट्रिक्स के अलग-अलग रिपोर्टिंग की वकालत की जाती है।
AirCast-SR एक फाउंडेशन मॉडल है जो वैश्विक AI मौसम पूर्वानुमानों को 28 किमी से 1 किमी रिज़ॉल्यूशन तक कुशलतापूर्वक डाउनस्केल करने के लिए लेटेंट कंसिस्टेंसी डिफ्यूजन फ्रेमवर्क का लाभ उठाता है, जो विविध अनुप्रयोगों के लिए ज़ीरो-शॉट वैश्विक हस्तांतरणीयता के साथ सटीक, पूर्वाग्रह-मुक्त किलोमीटर-स्केल वायुमंडलीय भविष्यवाणियां प्रदान करता है।
यह शोध पत्र सेल्फ-वेरिफाइड डिस्टिलेशन (Self-Verified Distillation) का प्रस्ताव करता है, जो एक पोस्ट-ट्रेनिंग विधि है जो भाषा मॉडलों को एक कठोर तीन-चरणीय स्व-सत्यापन कैस्केड (three-stage self-verification cascade) के माध्यम से अपने स्वयं के संभावित समाधानों को उत्पन्न और फ़िल्टर करके गणित, विज्ञान और कोडिंग में अपनी तर्क क्षमताओं को स्वायत्त रूप से सुधारने में सक्षम बनाता है, जिससे बिना किसी बाहरी शिक्षक या ग्राउंड-ट्रुथ लेबल के कई मॉडल स्केल्स पर महत्वपूर्ण प्रदर्शन लाभ प्राप्त होता है।
न्यूरल बेयसियन सीक्वेंशियल रूटिंग (NBSR) एक नवीन ढांचा है जो न्यूरल इन्फरेंस को एक डिरिचलेट-कैटेगोरिकल कंजुगेट अपडेट के माध्यम से एक पदानुक्रमित (hierarchical) DAG पर सक्रिय साक्ष्य संचय (active evidence accumulation) के रूप में मॉडल करता है, जो अर्ली एग्जिटिंग और आउट-ऑफ-डिस्ट्रीब्यूशन डिटेक्शन के लिए गणितीय रूप से पुष्ट तंत्रों के साथ संसाधन-तर्कसंगत (resource-rational), अनिश्चितता-जागरूक और व्याख्या योग्य निर्णय लेने में सक्षम बनाता है।
यह शोध पत्र डिवाइस कॉन्टेक्स्ट प्रोटोकॉल (DCP) को प्रस्तुत करता है, जो एक हल्का और सुरक्षा-प्रथम आर्किटेक्चर है जो सख्त क्षमता स्कोपिंग (capability scoping) और प्रोटोकॉल स्तर पर सत्यापन को लागू करके बड़े भाषा मॉडलों (LLMs) को मेमोरी-सीमित माइक्रोकंट्रोलर्स को सुरक्षित रूप से नियंत्रित करने में सक्षम बनाता है, जिससे 30 KB से कम के फर्मवेयर फुटप्रिंट को बनाए रखते हुए क्षमता-वृद्धि (capability-escalation) हमलों का 100% अस्वीकरण प्राप्त होता है।
यह शोधपत्र TSFMAudit प्रस्तुत करता है, जो टाइम सीरीज़ फाउंडेशन मॉडल्स में प्रीट्रेनिंग डेटा कंटैमिनेशन (प्रशिक्षण डेटा संदूषण) का पता लगाने के लिए डिज़ाइन किया गया पहला तरीका है, जो इस अंतर्ज्ञान का लाभ उठाता है कि कंटैमिनेटेड डेटासेट फाइन-ट्यूनिंग के दौरान असामान्य रूप से कुशल अनुकूलन गतिकी (एडैप्टेशन डायनेमिक्स) प्रदर्शित करते हैं।
यह शोध पत्र PushCen-ADFL का प्रस्ताव करता है, जो एक संचार-कुशल एसिंक्रोनस फेडरेटेड लर्निंग फ्रेमवर्क है जो सेंट्रॉइड-आधारित संदेश विनिमय, बायस सुधार के लिए पुश-सम मिक्सिंग और मॉडल ड्रिफ्ट को कम करने तथा विषम, विकेंद्रीकृत प्रणालियों में संचार लागत को कम करते हुए सटीकता में उल्लेखनीय सुधार करने के लिए सेंट्रॉइड रेगुलराइजेशन का उपयोग करता है।
यह शोध पत्र "काइमेरा ट्रेनिंग" (chimera training) का प्रस्ताव करता है, जो एक फीचर-स्तरीय काउंटरफैक्चुअल निर्माण विधि है जो विभिन्न नमूनों से सबट्री फीचर्स को संयोजित करके सुपरवाइज्ड लॉजिकल काउंटरएग्जम्पल्स को संश्लेषित करती है, जिससे एक न्यूरल रूल इवैल्यूएटर को प्रशिक्षण के दौरान वास्तविक नियम उल्लंघन अनुपस्थित होने पर भी अर्थ संबंधी विसंगतियों का प्रभावी ढंग से पता लगाने में सक्षम बनाया जा सके।