652 पेपर
यह शोध पत्र ऑप्टिकल रिज़र्वोयर कंप्यूटिंग के लिए भौतिक सबस्ट्रेट के रूप में वॉर्म सीज़ियम वेपर का उपयोग करते हुए, एक फ्री-स्पेस, ऑप्टिकली राइटेबल एटॉमिक रैंडम एक्सेस मेमोरी का पहला प्रदर्शन प्रस्तुत करता है, जो सफल XOR बेंचमार्क प्रदर्शन प्राप्त करता है और साथ ही भविष्य की टेम्पोरल डेप्थ के लिए मेमोरी लाइफटाइम को एक प्रमुख बाधा के रूप में रेखांकित करता है।
यह शोध पत्र प्रोजेक्शन पर्सूट इंडेक्स की स्मूथनेस (smoothness) और "स्क्विंटेबिलिटी" (squintability) के लिए नए मेट्रिक्स को परिभाषित करता है ताकि यह प्रदर्शित किया जा सके कि उच्च स्क्विंटेबिलिटी अनुकूलन सफलता दर में सुधार करती है, जबकि विभिन्न डेटा आयामों में लक्ष्य पैटर्न का पता लगाने के लिए जेलीफिश सर्च ऑप्टिमाइज़र एल्गोरिदम की प्रभावशीलता का मूल्यांकन करता है और इन उपकरणों को R पैकेज `tourr` और `ferrn` में लागू करता है।
Chameleon एक लागत प्रभावी, अनुकूलनशील AI-संचालित हनीपॉट प्लेटफॉर्म है जो एक BiLSTM थ्रेट क्लासिफायर, एक स्थानीय Qwen3.5-0.8B लैंग्वेज मॉडल और नवीन TC-PSO एवं S-RRT मेटा-ह्यूरिस्टिक इंजन को एकीकृत करके पारंपरिक डेसेप्शन सिस्टम की स्थिर प्रकृति पर विजय प्राप्त करता है ताकि वास्तविक समय में सिमेंटिक प्रतिक्रियाओं को गतिशील रूप से विकसित किया जा सके, जिससे वाणिज्यिक विकल्पों की तुलना में लगभग 490-गुनी परिचालन लागत कम करते हुए बेहतर डिटेक्शन सटीकता और अभिसरण (convergence) प्राप्त किया जा सके।
यह शोध पत्र लार्ज लैंग्वेज मॉडल्स में एक "अस्पष्टता के अभिशाप" (curse of ambiguity) की पहचान और सैद्धांतिक विश्लेषण करता है, जो यह प्रदर्शित करता है कि अस्पष्ट नेक्स्ट-टोकन वितरण (next-token distributions) बढ़ी हुई क्षमता आवश्यकताओं, एम्बेडिंग आकार, प्रशिक्षण चरणों और प्रवर्धित सैंपलिंग शोर के कारण स्वाभाविक रूप से सटीक रूप से सीखने में अधिक कठिन होते हैं, एक ऐसा निष्कर्ष जिसे सिंथेटिक और वास्तविक दुनिया के दोनों प्रयोगों के माध्यम से मान्य किया गया है।
यह शोध पत्र मेंटल मॉडल मैनेजमेंट (3M) का परिचय देता है, जो एक ऑपरेटर-आधारित ढांचा है जो लार्ज लैंग्वेज मॉडल्स को केवल कच्चे टेक्स्ट को संचित करने के बजाय विशेष ऑपरेटरों के एक सेट के माध्यम से नई जानकारी को निरंतर एकीकृत करके संक्षिप्त, विकसित होने वाले वैचारिक निरूपण बनाए रखने में सक्षम बनाता है।
ATLAS एक स्कैफोल्ड-मुक्त, एम्बेडिंग-निर्देशित क्वालिटी-डाइवर्सिटी फ्रेमवर्क है जो LLMs को घटकों और कंट्रोल फ्लो को गतिशील रूप से पुनर्गठित करते हुए कॉम्बिनेटोरियल ऑप्टिमाइज़ेशन के लिए पूर्ण एल्गोरिदम को स्वायत्त रूप से संश्लेषित करने में सक्षम बनाता है, जबकि यह विशाल डिज़ाइन स्पेस में नेविगेट करने और विविध, उच्च-प्रदर्शन वाले समाधानों की खोज करने के लिए एरर-कंडीशन्ड रिपेयर और सिमिलैरिटी-आधारित आर्काइव्स का उपयोग करता है।
यह शोध पत्र ग्लोबल मेडिएशन वर्कस्पेस (GMW) का प्रस्ताव करता है, जो एक नियंत्रण-सिद्धांत आधारित ढांचा (control-theoretic framework) है जो ग्लोबल वर्कस्पेस थ्योरी को एक मध्यस्थ उप-नेटवर्क के रूप में परिभाषित करके औपचारिक रूप देता है जिसके विशिष्ट इनपुट-आउटपुट हस्ताक्षर होते हैं, जिसे लेखक द्वारा सिंथेटिक बेंचमार्क और केटामाइन एनेस्थीसिया के तहत मैकाक बंदरों में प्रारंभिक ECoG विश्लेषण के माध्यम से सत्यापित किया गया है।
LACE एक नवीन AutoML फ्रेमवर्क है जो निष्पादन योग्य (executable) पायथन पाइपलाइन प्रोग्राम उत्पन्न करने और विकसित करने के लिए एक लार्ज लैंग्वेज मॉडल द्वारा निर्देशित एक विकासवादी लूप (evolutionary loop) का उपयोग करता है, जो पारंपरिक प्रणालियों की तुलना में बेहतर पारदर्शिता, संपादन क्षमता और खोज स्थान लचीलेपन की पेशकश करते हुए 68 OpenML कार्यों पर प्रतिस्पर्धी सटीकता प्राप्त करता है।
यह शोध पत्र एआई-जनित मीडिया डिटेक्शन पर चौबीस हालिया अध्ययनों की समीक्षा करता है ताकि अनदेखे डेटा और मोडैलिटीज में सामान्यीकरण करने में उनकी सीमाओं को उजागर किया जा सके, और अंततः एक भविष्य के मार्ग के रूप में सुदृढ़ मल्टीमॉडल डीप लर्निंग मॉडल के विकास का समर्थन करता है।
यह शोध पत्र SAGE को प्रस्तुत करता है, जो स्पाइकिंग न्यूरल नेटवर्क ट्रांसफॉर्मर्स के लिए एक अनिश्चितता-मॉड्यूलेटेड सरोगेट-ग्रेडिएंट तंत्र है, जो इन्फरेंस मॉडल को बदले बिना फिक्स्ड-सरोगेट बेसलाइन्स की तुलना में निरंतर सटीकता सुधार प्राप्त करने के लिए सेल्फ-अटेंशन एंट्रॉपी का उपयोग करके प्रशिक्षण के दौरान ग्रेडिएंट स्लोप को गतिशील रूप से अनुकूलित करता है।