1962 पेपर
SynNat-BERT एक व्याख्यात्मक, द्वैत-मोडल स्व-पर्यवेक्षित ढांचा है जो सिंथेटिक और प्राकृतिक-उत्पाद स्थानों से 1.7 मिलियन अनलेबल अणुओं का लाभ उठाकर रक्त-मस्तिष्क अवरोध पारगम्यता की सटीक भविष्यवाणी करने और नवीन पारगम्य स्कैफोल्ड्स को सफलतापूर्वक पहचानने के लिए, सटीकता और सामान्यीकरण दोनों में मौजूदा बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र गतिशील फॉग-एज कंप्यूटिंग में डेडलाइन-अवेयर टास्क एलोकेशन के लिए एक व्याख्या योग्य डिजिटल ट्विन-सेफ शेड्यूलिंग फ्रेमवर्क का प्रस्ताव और मूल्यांकन करता है, जो यह प्रदर्शित करता है कि एक लाइटवेट एनालिटिकल डिजिटल ट्विन, हैंड-क्राफ्टेड ह्यूरिस्टिक के साथ प्रतिस्पर्धी प्रदर्शन प्राप्त करता है और वैल्यू-बेस्ड डीप रीइन्फोर्समेंट लर्निंग बेसलाइन्स से काफी बेहतर प्रदर्शन करते हुए मजबूत सुरक्षा गारंटी और प्रेडिक्टिव डायग्नोस्टिक्स प्रदान करता है।
यह शोध पत्र विषम डेटा केंद्रों के लिए एक द्विपक्षीय गेम-थ्योरेटिक ढांचे का प्रस्ताव करता है जो लोड-निर्भर कंप्यूटिंग दक्षता और रिजेक्शन पेनल्टी को मॉडल करके कार्य माइग्रेशन और स्वीकृति निर्णयों को संयुक्त रूप से अनुकूलित करता है, जिससे मौजूदा स्थिर या एकपक्षीय दृष्टिकोणों की तुलना में बेहतर सिस्टम उपयोगिता और ऊर्जा दक्षता प्राप्त होती है।
यह शोध पत्र SOC2I का प्रस्ताव करता है, जो एक AI-संचालित ढांचा है जो पारंपरिक नेटवर्क रक्षा और हवाई साइबर-भौतिक सुरक्षा के बीच के अंतर को पाटने के लिए रीयल-टाइम विसंगति पहचान (anomaly detection), जोखिम परिमाणीकरण (risk quantification) और स्वायत्त शमन (autonomous mitigation) को एकीकृत करके सुरक्षा संचालन केंद्र (SOC) की क्षमताओं को मानव रहित हवाई वाहनों (UAVs) के अनुकूल बनाता है।
एग्जीक्यूशन गवर्नेंस एआई (ईजीए) वी9 एक नियतात्मक रनटाइम फ्रेमवर्क है जो विश्वसनीय स्वायत्त वर्कफ़्लो को सक्षम बनाता है, जो 100% निष्पादन विचलन का पता लगाने के लिए रिप्ले निरंतरता, प्रोवेनेंस सत्यापन और फेल-क्लोज्ड कंटेनमेंट को जोड़कर, बिना किसी अतिरिक्त लैंग्वेज-मॉडल ओवरहेड के शून्य फाल्स पॉजिटिव या नेगेटिव के साथ प्राप्त करता है, जबकि पोस्ट-इंसिडेंट प्रतिबंधों और साइड-इफेक्ट गारंटियों में विशिष्ट सीमाओं को पारदर्शी रूप से स्वीकार करता है।
यह शोध पत्र फ्रीज़-टू-कन्फर्म (F2C) को प्रस्तुत करता है, जो स्टेटफुल स्ट्रीमिंग ओपन-वोकैबुलरी सेगमेंटेशन के लिए एक रिकवरी रणनीति है जो मॉडल अवस्थाओं को पुनर्स्थापित करने से पहले निरंतर जोखिम की पुष्टि करने के लिए अनुकूलन को अस्थायी रूप से रोक देती है, जिससे कम विलंबता बनाए रखते हुए कई बेंचमार्क में प्रदर्शन में उल्लेखनीय सुधार होता है।
यह शोध पत्र CTDG-IDS का प्रस्ताव करता है, जो एक निरंतर-समय गतिशील ग्राफ प्रतिनिधित्व शिक्षण ढांचा (continuous-time dynamic graph representation learning framework) है जो विकसित होती टोपोलॉजिकल संरचनाओं और टेम्पोरल इंटरैक्शन दोनों को प्रभावी ढंग से पकड़ने के लिए मेमोरी अपडेटिंग, हाइपरग्राफ निर्माण और एक गतिशील ग्राफ अटेंशन तंत्र को एकीकृत करता है ताकि नेटवर्क घुसपैठ का पता लगाया जा सके।
यह अध्ययन एक एकीकृत अनुसंधान बुनियादी ढांचे के रूप में GitHub की क्षमता का मूल्यांकन करता है, जिसमें यह पाया गया है कि जहाँ इसकी मूल क्षमताएं निष्पादन और आउटपुट चरणों को प्रभावी ढंग से समर्थन देती हैं, वहीं वे प्रश्न निर्माण जैसी अपस्ट्रीम अनुसंधान गतिविधियों के लिए केवल आंशिक ट्रैसेबिलिटी (traceability) प्रदान करती हैं और पूर्ण जीवनचक्र प्रबंधन के लिए पूरक उपकरणों की आवश्यकता होती है।
क्लीनस्कोर (CleanScore) एक ब्लैक-बॉक्स ऑडिटिंग फ्रेमवर्क है जो वास्तविक मॉडल कौशल और पूर्व डेटा एक्सपोज़र के बीच अंतर करने के लिए नेगेटिव कंट्रोल्स और सेंसिटिविटी बाउंड्स का उपयोग करता है, जो यह प्रकट करता है कि मानक पैराफ्रेज़-आधारित ऑडिट प्रशिक्षण डेटा संदूषण (training data contamination) के प्रभाव को काफी कम करके आंकते हैं, जबकि सार्वजनिक बेंचमार्क में सरफेस-फॉर्म इन्फ्लेशन न्यूनतम है।
यह शोध पत्र एक न्यूरल स्क्रीनर-रीज़नर (Neural Screener–Reasoner) फ्रेमवर्क प्रस्तावित करता है जो उच्च-सटीक लॉग विसंगति का पता लगाने और सत्यापन योग्य, साक्ष्य-आधारित स्पष्टीकरण उत्पन्न करने के साथ-साथ अनुमान लागत (inference costs) को प्रबंधित करने के लिए एक पार्सर-मुक्त, लीनियर सेल्फ-अटेंशन डिटेक्टर को रिट्रीवल-ऑगमेंटेड एलएलएम (LLM) के साथ संयोजित करता है।