3580 पेपर
यह शोध पत्र उन्नत प्रयोगात्मक सत्यापन प्रस्तुत करता है जो यह प्रदर्शित करता है कि क्वेरी-एडेप्टिव कोऑर्डिनेट ऑर्डरिंग विधि उच्च-आयामी डेटासेट में पूर्ण रिकॉल बनाए रखते हुए सटीक k-NN खोज में औसतन 2.84× की गति वृद्धि प्राप्त करती है, जिसमें प्रदर्शन लाभ मुख्य रूप से नाममात्र आयाम के बजाय फीचर सहसंबंध (feature correlation) द्वारा संचालित होते हैं।
यह अध्ययन हृदय रोग के एक डेटासेट पर एक XGBoost क्लासिफायर के भविष्य कहनेवाला प्रदर्शन और क्रॉस-मेथड स्पष्टीकरण निरंतरता का मूल्यांकन करता है, जो यह प्रदर्शित करता है कि जबकि मॉडल मजबूत सटीकता और वैश्विक स्पष्टीकरण विधियों (नेटिव इम्पोर्टेंस, परम्यूटेशन इम्पोर्टेंस और SHAP) के बीच मध्यम-से-मजबूत सहमति प्राप्त करता है, ये आयाम अलग हैं और स्वाभाविक रूप से नैदानिक वैधता की गारंटी नहीं देते हैं।
यह शोध पत्र AmbiGraph-Coref प्रस्तुत करता है, जो एक ग्राफ-आधारित मॉडल है जिसे कॉन्फिडेंस कैलिब्रेशन और एक स्पष्ट अनरिज़वेबल (unresolvable) तंत्र के साथ उन्नत किया गया है, जो सिंथेटिक सोशल मीडिया टेक्स्ट में अस्पष्ट कोरेफरेंस (coreference) को हल करने में उच्च प्रदर्शन प्राप्त करता है, जबकि भविष्य में वास्तविक दुनिया के प्रामाणिक डेटा पर सत्यापन की आवश्यकता पर भी बल देता है।
यह अध्ययन तीव्र वीडियो स्वाइप के दौरान प्लेबैक-गुणवत्ता संबंधी समस्याओं और कम उपयोगकर्ता रुचि के बीच सटीक रूप से अंतर करने के लिए एक बड़े पैमाने के डेटासेट और एक गुणवत्ता-जागरूक मशीन लर्निंग मॉडल का लाभ उठाता है, जिससे उच्च भविष्य कहनेवाला प्रदर्शन प्राप्त होता है और स्ट्रीमिंग अनुभवों का लक्षित अनुकूलन सक्षम होता है।
यह शोध पत्र कॉज़ल एडजॉइंट ट्रांसपोर्ट (CAT) प्रस्तुत करता है, जो एक स्थानीय द्वितीय-क्रम का एडजॉइंट डायनेमिक्स विधि है जो प्रथम-क्रम विश्रांति (relaxation) और अन्य सॉल्वरों की तुलना में काफी कम जैकोबियन क्रियाओं की आवश्यकता के माध्यम से स्थिरता सीमाओं के पास निहित (implicit) और आवर्ती (recurrent) न्यूरल नेटवर्क को प्रशिक्षित करने की कम्प्यूटेशनल लागत को महत्वपूर्ण रूप से कम करता है।
यह अध्ययन टेलीमेडिसिन के लिए मेडिकल विजुअल क्वेश्चन अनस्वर्सिंग (Med-VQA) में वर्तमान सीमाओं का मूल्यांकन करता है और TRACE-MedVQA फ्रेमवर्क का प्रस्ताव करता है, जो एक रिट्रीवल-ऑगमेंटेड, कैलिब्रेटेड और व्याख्यात्मक प्रणाली है जिसे रिमोट क्लिनिकल निर्णय सहायता की सुरक्षा और विश्वसनीयता को बढ़ाने के लिए डिज़ाइन किया गया है।
यह शोध पत्र एक रिट्रीवल-ऑगमेंटेड कैप्शनिंग फ्रेमवर्क प्रस्तावित करता है जो विजन-लैंग्वेज-एक्शन मॉडल्स में डिस्टिल्ड क्रैश-अवॉइडेंस पॉलिसीज़ और औपचारिक ड्राइविंग नियमों को इंजेक्ट करता है, जिससे उन सुरक्षा-महत्वपूर्ण विवरणों को संबोधित करके स्वायत्त वाहन प्रक्षेपवक्र (ट्रैजेक्टरी) भविष्यवाणी की सटीकता को ग्राउंड-ट्रुथ प्रदर्शन के स्तर तक काफी हद से सुधारा जा सकता है जिन्हें अक्सर मानक मॉडल्स द्वारा छोड़ दिया जाता है।
यह अध्ययन प्रदर्शित करता है कि सावधानीपूर्वक संरचित लार्ज लैंग्वेज मॉडल वर्कफ़्लो, विशेष रूप से वे जो फ्यू-शॉट प्रॉम्प्टिंग और स्पष्ट तर्क का उपयोग करते हैं, कम लागत पर मैन्युअल प्रयास को 80% से अधिक कम करते हुए व्यवस्थित समीक्षा स्क्रीनिंग में उच्च संवेदनशीलता प्राप्त कर सकते हैं।
यह शोध पत्र एक कंडीशन-अवेयर मल्टीस्केल हॉरोग्लास-ट्रांसफॉर्मर (CA-MHT) मॉडल प्रस्तावित करता है जो विभिन्न परिचालन स्थितियों के तहत टर्बोफैन इंजनों के लिए शेष उपयोगी जीवन (Remaining Useful Life) की भविष्यवाणी में सुधार करता है, और साथ ही टेम्पोरल सेंसर व्यवहार पर मॉडल की निर्भरता को प्रमाणित करने और निर्णय लेने की पारदर्शिता सुनिश्चित करने के लिए SHAP और इंटीग्रेटेड ग्रेडिएंट्स का उपयोग करता है।
यह शोध पत्र "ओशन स्टेट" (Ocean State) को प्रस्तुत करता है, जो एक विधि है जो मानक सेल्फ-अटेंशन को एक एकल निरंतर वेक्टर (single persistent vector) से बदल देती है ताकि O(1) गणना और मेमोरी जटिलता प्राप्त की जा सके, साथ ही यह बेहतर प्रशिक्षण स्थिरता और 10 मिलियन स्टेप्स के संदर्भ में भी विस्मृति (forgetting) के कोई लक्षण न होने का प्रदर्शन करती है।