660 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि रिकरेंट न्यूरल नेटवर्क में एडेप्टिव टाइम स्केल्स को पेश करने के लिए एक लीक टर्म को शामिल करना, मानक आरएनएन (RNNs) की तुलना में अधिक नियमित हेक्सागोनल ग्रिड-सेल जैसे फायरिंग पैटर्न और सुदृढ़ टॉरस अट्रैक्टर्स उत्पन्न करके नेटवर्क डायनेमिक्स की स्थिरता को बढ़ाता है और पाथ इंटीग्रेशन की सटीकता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र एक संशोधित संभाव्य आइसिंग मशीन (probabilistic Ising machine) प्रस्तुत करता है जिसमें एक जड़त्व पद (inertia term) शामिल है जो घनी तरह से जुड़े (densely connected) समस्याओं के लिए पूर्णतः समानांतर, सिंक्रोनस अपडेट को सक्षम बनाता है, जिससे समाधान की गुणवत्ता से समझौता किए बिना (जैसे 5G MIMO डिटेक्शन जैसे अनुप्रयोगों के लिए) वास्तविक समय की विलंबता आवश्यकताओं को पूरा करते हुए महत्वपूर्ण गति वृद्धि (150× तक) प्राप्त होती है।
यह शोध पत्र टोकन अनुक्रमों की अंतर्निहित भाषाई संरचना का लाभ उठाने के लिए संभाव्य भाषा ट्राइज़ (probabilistic language tries) और प्रेडिक्टिव डेल्टा कोडिंग का उपयोग करते हुए एक क्रमिक KV कैश संपीड़न ढांचा प्रस्तावित करता है, जो सैद्धांतिक रूप से टर्बोक्वांट (TurboQuant) जैसे वर्तमान प्रति-वेक्टर क्वांटाइजेशन विधियों की तुलना में क्रमों के परिमाण अधिक संपीड़न अनुपात प्राप्त करता है।
यह शोध पत्र \textsc{TeLAPA} को प्रस्तुत करता है, जो एक निरंतर सुदृढीकरण अधिगम (continual reinforcement learning) ढांचा है जो एकल-मॉडल संरक्षण पर निर्भर रहने के बजाय व्यवहारिक रूप से विविध, कौशल-संरेखित नीति पड़ोस (skill-aligned policy neighborhoods) के अभिलेखागारों को बनाए रखकर प्लास्टिसिटी (plasticity) को संरक्षित करता है, जिससे कार्य अनुक्रमों में अधिक प्रभावी अनुकूलन और हस्तक्षेप से तेजी से सुधार सक्षम होता है।
यह शोध पत्र एक उन्नत रिकरेंट स्पाइकिंग न्यूरल नेटवर्क आर्किटेक्चर का प्रस्ताव करता है जो डेलरेक (DelRec) डिले लर्निंग मैकेनिज्म के साथ कन्वोल्यूशनल कनेक्शन को एकीकृत करता है, जिससे मूल सटीकता को बनाए रखते हुए ऑडियो वर्गीकरण कार्यों पर रिकरेंट पैरामीटर्स में 99% की कमी और अनुमान गति (inference speed) में 52 गुना तेजी प्राप्त होती है।
यह शोध पत्र प्रोटोटाइप-ग्राउंडेड कॉन्सेप्ट मॉडल्स (PGCMs) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो कॉन्सेप्ट्स को सीखने योग्य विज़ुअल प्रोटोटाइप्स में ग्राउंड करके कॉन्सेप्ट बॉटलनेक मॉडल्स की व्याख्यात्मकता और सत्यापन क्षमता को बढ़ाता है, जिससे सीधे अर्थ संबंधी निरीक्षण और भविष्य कहने वाले प्रदर्शन से समझौता किए बिना गलत संरेखणों को सुधारने के लिए लक्षित मानवीय हस्तक्षेप सक्षम होता है।
यह शोध पत्र DASH प्रस्तुत करता है, जो एक नवीन ढांचा (framework) है जो अभिसरण-जागरूक अनुकूलन (convergence-aware optimization) और प्रोफाइल-आधारित पुनर्प्राप्ति (profile-based retrieval) को शामिल करके LLM-संचालित ह्यूरिस्टिक डिज़ाइन को बढ़ाता है ताकि कुशल, विशिष्ट सॉल्वर उत्पन्न किए जा सकें जो वितरण बदलावों (distribution shifts) के तहत रनटाइम प्रदर्शन में महत्वपूर्ण सुधार करते हैं और अनुकूलन लागत को कम करते हैं।
यह शोध पत्र NEAT-NC को प्रस्तुत करता है, जो जैविक नेविगेशन कोशिकाओं से प्रेरित एक न्यूरो-इवोल्यूशनरी दृष्टिकोण है, जो स्थिर और गतिशील रोबोटिक वातावरण में प्रभावी वास्तविक समय पथ नियोजन के लिए रिकरेंट न्यूरल नेटवर्क विकसित करने हेतु NEAT का उपयोग करता है।
यह शोध पत्र कोलमोगोरोव-आर्नोल्ड नेटवर्क (KANs) की उनके सैद्धांतिक आधारों और मौजूदा विधियों के साथ संबंधों को स्पष्ट करके, उनके डिज़ाइन घटकों का विश्लेषण करके, हालिया प्रदर्शन संबंधी प्रगति का सारांश प्रस्तुत करके और शोधकर्ताओं एवं अभ्यासकर्ताओं के लिए एक व्यावहारिक मार्गदर्शिका प्रदान करके उनका एक व्यवस्थित पुनरावलोकन करता है।
यह शोध पत्र रैंडम गॉसियन एम्बेडिंग्स (Random Gaussian Embeddings) के तहत एक्सप्लोरेटरी लैंडस्केप एनालिसिस (ELA) फीचर्स की मजबूती की जांच करता है और यह निष्कर्ष निकालता है कि जबकि फीचर्स का एक छोटा उपसमूह स्थिर रहता है, अधिकांश फीचर्स डाइमेंशनलिटी रिडक्शन (dimensionality reduction) के प्रति अत्यधिक संवेदनशील होते हैं और अक्सर मूल उच्च-आयामी अनुकूलन परिदृश्य (high-dimensional optimization landscape) के अंतर्निहित गुणों का सटीक प्रतिनिधित्व करने में विफल रहते हैं।