3418 पेपर
EviNav एक प्रशिक्षण-मुक्त (training-free), साक्ष्य-आधारित ढांचा है जो ज़ीरो-शॉट इंस्टेंस नेविगेशन के लिए मल्टी-व्यू विजुअल और सिमेंटिक साक्ष्य को संचित करता है ताकि लक्ष्यों को मजबूती से पहचाना जा सके और समाप्ति निर्धारित की जा सके, जिससे इमेज- और टेक्स्ट-गोल नेविगेशन कार्यों में अत्याधुनिक सफलता दर प्राप्त होती है।
यह शोधपत्र CLEANSE* को प्रस्तुत करता है, जो एक जोखिम-कैलिब्रेटेड मल्टी-व्यू डिटेक्टर है जो सिमेंटिक, स्ट्रक्चरल, क्रॉस-लिंगुअल और स्टाइलोमेट्रिक संकेतों को फ्यूज करके प्रॉम्प्ट लॉन्ड्रिंग हमलों की प्रभावी ढंग से पहचान करता है, और विविध बेंचमार्क एवं स्ट्रेस टेस्ट के माध्यम से कम लेटेंसी बनाए रखते हुए जोखिम और अटैक सक्सेस रेट को कम करने में बेहतर प्रदर्शन प्राप्त करता है।
यह अध्ययन प्रदर्शित करता है कि UCI अर्ली-स्टेज डायबिटीज डेटासेट पर मशीन लर्निंग क्लासिफायर के व्यापक रूप से रिपोर्ट किए गए उच्च प्रदर्शन को सटीक और निकट-समान लक्षण प्रोफाइल से होने वाले डेटा लीकेज द्वारा महत्वपूर्ण रूप से बढ़ा दिया गया है, जो यह प्रकट करता है कि कठोर प्रोफाइल-समूह क्रॉस-वैलिडेशन सटीकता अनुमानों को काफी कम कर देता है और मॉडल रैंकिंग को बदल देता है।
यह शोध पत्र MHOI-Miner प्रस्तुत करता है, जो एक कुशल एल्गोरिदम है जो खोज स्थान (search space) को महत्वपूर्ण रूप से कम करने और अधिकांश डेटासेट पर मौजूदा विधियों से बेहतर प्रदर्शन करने के लिए एक नवीन साइज-कपल्ड अपर बाउंड (size-coupled upper bound), हेड-यूनियन-टेल लुक-अहेड (headunion-tail look-ahead), और सबसमप्शन (subsumption) तकनीकों का उपयोग करके मैक्सिमल हाई ऑक्यूपेंसी आइटमसेट्स को माइन करता है।
यह शोध पत्र रिपोर्ट करता है कि उच्च अनुमोदन दरों और शून्य परीक्षण विफलताओं के बावजूद, 22 एआई-जनित एजेंट बेंचमार्क की एक व्यवस्थित पुन: समीक्षा ने सार्वभौमिक दोषों को प्रकट किया—जिसमें अनदेखे कार्य, रटे हुए स्कोर और प्रकाशन संबंधी लीक शामिल हैं—जो ऑटोमेटेड टेस्ट और मानव समीक्षकों दोनों द्वारा चूक गए थे, जो वर्तमान एजेंट बेंचमार्किंग और मूल्यांकन प्रोटोकॉल में महत्वपूर्ण खामियों को उजागर करते हैं।
यह शोध पत्र डिकपल्ड एंट्रोपिक-जियोमेट्रिक प्लानिंग (DEGP) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो संरचनात्मक पृथक्करण को विश्लेषणात्मक स्पेक्ट्रल बाउंड्स और रनटाइम टेलीमेट्री के साथ जोड़कर लेटेंट स्पेस प्लानिंग में सुदृढ़ धारणा और स्थिर प्रक्षेपवक्र अनुकूलन के बीच के संतुलन को संबोधित करता है ताकि संपर्क-सशर्त भविष्यवाणी की परिचालन सीमाओं को परिभाषित किया जा सके।
यह शोधपत्र फ्रीक्वेंसी-रेगुलराइज्ड पार्शियल हीट रूटिंग (Frequency-Regularized Partial Heat Routing) का प्रस्ताव करता है, जो vHeat बैकबोन के लिए एक रेडंडेंसी-अवेयर ऑप्टिमाइज़ेशन फ्रेमवर्क है जो चयनात्मक चैनल रूटिंग और फ्रीक्वेंसी-डोमेन रेगुलराइजेशन के माध्यम से उच्च सटीकता बनाए रखते हुए, मापदंडों (पैरामीटर्स) और गणनात्मक लागत को कम करके पराग पहचान दक्षता में महत्वपूर्ण सुधार करता है।
यह अध्ययन एक इंटरनेट सर्च-ऑगमेंटेड, सॉफ्ट-प्रॉम्ट-ट्यून्ड लार्ज लैंग्वेज मॉडल फ्रेमवर्क प्रस्तुत करता है जो संरचित निष्कर्षण (स्ट्रक्चर्ड एक्सट्रैक्शन), लक्षित साक्ष्य पुनर्प्राप्ति (टारगेटेड एविडेंस रिट्रीवल) और विशेषज्ञ नियमों को एकीकृत करके मानव निरीक्षण बनाए रखते हुए योग्य उम्मीदवारों को प्राथमिकता देकर स्वास्थ्य सेवा रेज़्यूमे स्क्रीनिंग की सटीकता, व्याख्यात्मकता और दक्षता में महत्वपूर्ण सुधार करता है।
यह शोध एक क्लाउड-नेटिव फ्रेमवर्क का प्रस्ताव और मूल्यांकन करता है जो निर्मित-वातावरण (built-environment) के डेटा को CI/CD पाइपलाइनों के भीतर प्रबंधित करने की स्केलेबिलिटी, दक्षता और लचीलेपन को बढ़ाने के लिए कंटेनरीकरण, माइक्रोसर्विस और उन्नत पाइपलाइन अनुकूलन रणनीतियों को एकीकृत करता है।
यह शोध पत्र बेल-असमानता ऑडिट (Bell-inequality audits), विशेष रूप से CHSH गेम का उपयोग, स्पष्ट रूप से अलग-थलग दिखने वाले AI एजेंटों के बीच गुप्त समन्वय का पता लगाने के लिए एक मॉडल-मुक्त उपकरण के रूप में करने का प्रस्ताव देता है, जो वास्तविक संचार को केवल सांख्यिकीय सहसंबंध से अलग करता है, जबकि यह भी रेखांकित करता है कि इस पद्धति की वैधता गलत सकारात्मक परिणामों (false positives) से बचने के लिए परीक्षक (auditor) की सेटिंग्स की अप्रत्याशितता पर महत्वपूर्ण रूप से निर्भर करती है।