652 पेपर
यह शोधपत्र विकासवादी कंप्यूटिंग (evolutionary computing) में विश्लेषणात्मक पुनरावृत्ति (analytical replay) प्रयोगों को प्रस्तुत करता है, जो एक कार्यप्रणाली और प्रदर्शनकारी उदाहरण प्रदान करता है कि कैसे एक जनसंख्या का ऐतिहासिक प्रक्षेपवक्र (historical trajectory) तत्काल फिटनेस सुधारों के स्वतंत्र रूप से भविष्य की समस्या-समाधान सफलता को सुदृढ़ कर सकता है।
यह शोध पत्र DSLE प्रस्तुत करता है, जो डार्क सोल्स: रिमास्टर्ड के सभी 22 बॉस मुकाबलों के लिए एक जिमनेजियम-शैली (Gymnasium-style) का बेंचमार्किंग वातावरण है, जो यह प्रदर्शित करता है कि वर्तमान सुदृढीकरण शिक्षण (reinforcement learning) और विकासवादी विधियाँ इन बॉस के एक प्रतिनिधि उपसमुच्चय को भी हराने में काफी संघर्ष करती हैं क्योंकि गेम में उच्च-आयामी दृश्य इनपुट, विरल पुरस्कार (sparse rewards) और जटिल युद्ध यांत्रिकी मौजूद हैं।
यह शोध पत्र स्टेबिलिटी-ड्रिवन असेंबली (SDA) का प्रस्ताव करता है, जो एक गैर-संतुलन ढांचा (non-equilibrium framework) है जो विकासवादी गतिशीलता को एक मुख्य सिस्टम्स-थिंकिंग समस्या के रूप में मानता है जहाँ एंडोजेनस चयन विन्यासों के विभेदक स्थायित्व से उत्पन्न होता है, जिससे सिस्टम डायनेमिक्स जैविक रूपकों या पूर्व-निर्धारित फिटनेस फंक्शनों पर निर्भर रहे बिना ओपन-एंडेड संरचनात्मक नवीनता और बदलते संभावना स्थानों को मॉडल करने में सक्षम होता है।
यह शोध पत्र APTx न्यूरॉन को पेश करता है, जो एक एकीकृत प्रशिक्षण योग्य आर्किटेक्चर है जो अनुकूलन दक्षता और अभिव्यक्ति क्षमता को बढ़ाने के लिए गैर-रेखीय सक्रियण (non-linear activation) और रैखिक रूपांतरण (linear transformation) को एक ही अभिव्यक्ति में एकीकृत करता है, जो पारंपरिक न्यूरॉन्स की तुलना में MNIST डेटासेट पर बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोधपत्र एकल-न्यूरॉन मॉड्यूलर जोड़ (single-neuron modular addition) में फूरियर संरेखण (Fourier alignment) की परिकल्पना को एक ऐसे प्रति-उदाहरण का निर्माण करके गलत सिद्ध करता है जहाँ एक प्रारंभ में सक्रिय ReLU न्यूरॉन स्थायी रूप से निष्क्रिय हो जाता है और इसकी फूरियर ऊर्जा सभी गैर-शून्य आवृत्ति वर्गों (nonzero frequency classes) में समान रूप से वितरित हो जाती है, जो कि गॉसियन इनिशियलाइज़ेशन (Gaussian initialization) के तहत धनात्मक प्रायिकता के साथ घटित होता है और विभिन्न प्रशिक्षण परंपराओं एवं सन्निकटन विधियों (approximation methods) में बना रहता है।
OR-Agent एक मल्टी-एजेंट रिसर्च फ्रेमवर्क है जो वर्तमान LLM-आधारित विकासवादी (evolutionary) विधियों की रणनीतिक और सीखने संबंधी सीमाओं को दूर करने के लिए एक पदानुक्रमित, अनुकूलन-प्रेरित प्रतिबिंब प्रणाली (hierarchical, optimization-inspired reflection system) के साथ ट्री-आधारित परिकल्पना पीढ़ी (tree-based hypothesis generation) को एकीकृत करके स्वचालित ह्यूरिस्टिक डिज़ाइन को बढ़ाता है।
यह शोध पत्र सेल्फ-ऑर्गनाइजिंग डिजिटल सर्किट्स (Self-Organising Digital Circuits) को प्रस्तुत करता है, जो एक बायो-इंस्पायर्ड आर्किटेक्चर है, जो लॉजिक जनरेशन को एक मेटा-लर्निंग समस्या के रूप में फ्रेम करने के लिए एक टोपोलॉजी-मास्क्ड ट्रांसफॉर्मर (topology-masked Transformer) का उपयोग करता है, जिससे डिजिटल हार्डवेयर को स्थायी और सॉफ्ट त्रुटियों (permanent and soft errors) के इर्द-गिर्द स्वयं को असेंबल करने और गतिशील रूप से पुनर्गठित करने में सक्षम बनाया जा सके, जिसमें उत्कृष्ट दोष सहिष्णुता (fault tolerance) और स्केलेबिलिटी है।
न्यूरोमोज़ेक (NeuroMosaic) एक नवीन 3D मल्टीमॉडल लार्ज लैंग्वेज मॉडल है जो वॉल्यूमेट्रिक एमआरआई डेटा को नैदानिक वृत्तांतों और आणविक अवधारणाओं के साथ संरेखित शरीर रचना-सूचकांक वाले टोकन में परिवर्तित करके ग्लियोमा निदान को उन्नत करता है, जिससे अत्याधुनिक प्रदर्शन प्राप्त होता है और कई डेटासेट्स में ऑडिट योग्य, साक्ष्य-लिंक्ड तर्क प्रदान किया जाता है।
यह शोध पत्र "स्कैफोल्ड-फ्लो मेमोरी" (scaffold-flow memory) नामक एक कम्प्यूटेशनल ढांचे का प्रस्ताव करता है जो यह प्रदर्शित करता है कि तंत्रिका और प्रतिरक्षा दोनों प्रणालियों में प्रभावी स्मृति सुदृढ़ीकरण (memory consolidation), पिछले अनुभवों के एक मध्यवर्ती-स्तर के, भविष्यवाणात्मक स्थूल-कणिकामय (predictive coarse-graining) के चयन पर निर्भर करता है जो भविष्य के लिए प्रासंगिक भेदों के संरक्षण और भंडारण की भौतिक लागत एवं सामान्यीकरण की आवश्यकता के बीच संतुलन बनाता है।
यह शोध पत्र SMM ट्रांसफॉर्मर को प्रस्तुत करता है, जो एक नवीन मल्टीमॉडल फ्रेमवर्क है जो पारंपरिक ANN बेसलाइन्स की तुलना में प्रतिस्पर्धी सटीकता प्राप्त करने के साथ-साथ कम्प्यूटेशनल ऊर्जा खपत को काफी कम करने के लिए स्थिर प्रशिक्षण तंत्र और स्पाइक-ड्रिवन अटेंशन के साथ स्पाइकिंग न्यूरल नेटवर्क्स का लाभ उठाता है।