660 पेपर
यह शोध पत्र 'कॉन्स्टिट्यूशनल इवोल्यूशन' (संविधानिक विकास) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो मल्टी-एजेंट सिस्टम के लिए व्याख्या योग्य व्यवहार संबंधी मानदंडों को स्वचालित रूप से खोजने के लिए एलएलएम-संचालित जेनेटिक प्रोग्रामिंग का उपयोग करता है, जो मानव-निर्मित या स्पष्ट रूप से निर्देशित संविधानों की तुलना में काफी अधिक सामाजिक स्थिरता प्राप्त करता है और संघर्ष को समाप्त करता है।
यह शोध पत्र कॉन्ट्रास्टिव कॉन्सेप्ट-ट्री सर्च (CCTS) प्रस्तुत करता है, जो एक पदानुक्रमित अवधारणा मॉडल (hierarchical concept model) को सीखने के माध्यम से LLM-सहायता प्राप्त एल्गोरिदम खोज को उन्नत करता है ताकि कॉन्ट्रास्टिव रीवेटिंग (contrastive reweighting) के माध्यम से पैरेंट चयन को निर्देशित किया जा सके, जिससे अनुपयोगी अवधारणा संयोजनों की पहचान करके और उनसे बचकर खोज दक्षता और व्याख्यात्मकता में सुधार किया जा सके।
यह शोध पत्र EXAQC को प्रस्तुत करता है, जो एक न्यूरो-इवोल्यूशनरी फ्रेमवर्क है जो हार्डवेयर बाधाओं के तहत गेट प्रकारों, कनेक्टिविटी और मापदंडों को संयुक्त रूप से अनुकूलित करके पैरामीटराइज्ड क्वांटम सर्किट के डिजाइन और प्रशिक्षण को स्वचालित करता है, जिससे बेंचमार्क कार्यों पर उच्च सटीकता और फिडेलिटी प्राप्त होती है।
यह शोध पत्र NeuroMorse को प्रस्तुत करता है, जो एक समय-संरचित (temporally structured) बेंचमार्क डेटासेट है जो वर्तमान न्यूरोमॉर्फिक कंप्यूटिंग मूल्यांकनों में टेम्पोरल डायनेमिक्स की कमी को दूर करने और एल्गोरिदम की मल्टी-स्केल टेम्पोरल पदानुक्रमों (multi-scale temporal hierarchies) को संसाधित करने की क्षमता का परीक्षण करने के लिए 50 सबसे सामान्य अंग्रेजी शब्दों को एसिंक्रोनस मोर्स कोड स्पाइक अनुक्रमों के रूप में एनकोड करता है।
यह शोध पत्र SCAR का प्रस्ताव करता है, जो एक एज-असिस्टेड फ्रेमवर्क है जो सुदृढीकरण अधिगम (रिनफोर्समेंट लर्निंग) नीतियों के लिए आवश्यक विशेषताओं को संरक्षित करते हुए आयामीता (डाइमेंशनैलिटी) को कम करके गतिशील वाहन सेवाओं के लिए स्केलेबल और निष्पक्ष एआई-संचालित नेटवर्क प्रबंधन को सक्षम करने हेतु मशीन लर्निंग-आधारित स्टेट-स्पेस संपीड़न का उपयोग करता है।
यह शोध पत्र QUASAR को प्रस्तुत करता है, जो एक नवीन विकासवादी एल्गोरिदम (evolutionary algorithm) है जो उच्च-आयामी, गैर-विभेदनीय अनुकूलन समस्याओं (non-differentiable optimization problems) को हल करने में मौजूदा विधियों से काफी बेहतर प्रदर्शन करने के लिए क्वांटम कणों से प्रेरित अर्ध-अनुकूली स्टोकेस्टिक तंत्रों के साथ डिफरेंशियल इवोल्यूशन को बढ़ाता है।
यह शोध पत्र MO-ELA को प्रस्तुत करता है, जो पांच विशिष्ट श्रेणियों में निर्णय और उद्देश्य दोनों स्थानों से प्राप्त खोजपूर्ण परिदृश्य विशेषताओं (exploratory landscape features) का एक नया समूह है, जो समस्या की जटिलता को प्रभावी ढंग से पकड़कर और एल्गोरिदम के प्रदर्शन के बीच अंतर करके निरंतर बहु-उद्देश्यीय अनुकूलन (continuous multi-objective optimization) के लिए स्वचालित एल्गोरिदम चयन को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र SEEMOO का प्रस्ताव करता है, जो एक सुदृढीकरण शिक्षण-सहायता प्राप्त (reinforcement learning-assisted) एन्सेम्बल फ्रेमवर्क है जो एक एकल अनुकूलन प्रक्रिया के भीतर सरोगेट मॉडलों को गतिशील रूप से चुनने और शेड्यूल करने के लिए एक डीप क्यू-नेटवर्क का उपयोग करता है, जिससे मॉडल चयन में मानवीय पूर्वाग्रह को समाप्त करके महंगे बहु-उद्देश्यीय अनुकूलन (multi-objective optimization) समस्याओं पर प्रदर्शन को बढ़ाया जाता है।
टीम HCMUS_TheFangs ने यह प्रदर्शित करके NeurIPS 2025 'माउस बनाम एआई' प्रतियोगिता के दोनों ट्रैक में विजयी परिणाम प्राप्त किए कि हल्के और सरल आर्किटेक्चर विजुअल मजबूती (visual robustness) में उत्कृष्ट प्रदर्शन करते हैं, जबकि गहरे और उच्च-क्षमता वाले मॉडल न्यूरल अलाइनमेंट (neural alignment) के लिए बेहतर होते हैं, जिससे यह स्पष्ट होता है कि इष्टतम प्रदर्शन मॉडल के आकार को अधिकतम करने के बजाय विशिष्ट कार्य लक्ष्यों के साथ आर्किटेक्चरल जटिलता के मिलान पर निर्भर करता है।
यह शोध पत्र एक नवीन डायनेमिक डिके स्पाइकिंग न्यूरॉन प्रस्तावित करता है जो जीपीयू (GPU) पर अत्यधिक समानांतर प्रशिक्षण सक्षम करने के लिए पारंपरिक रिसेट तंत्र को हटा देता है और साथ ही विविध कार्यों और आर्किटेक्चर में महत्वपूर्ण गति वृद्धि, मजबूत एक्सट्रपलेशन क्षमताएं और कम ऊर्जा खपत सुनिश्चित करते हुए सीरियल इन्फरेंस दक्षता को बनाए रखता है।