3445 पेपर
यह शोध पत्र अपूर्ण रनटाइम अवलोकनों के तहत कंटेनर परिनियोजन जोखिमों का आकलन करने के लिए एक एडेप्टिव SBOM-आधारित विधि प्रस्तावित करता है जो भेद्यता प्रयोज्यता को वर्गीकृत करने और निरीक्षण लागतों को प्राथमिकता देने के लिए कई साक्ष्य स्रोतों को एकीकृत करता है, जिससे बेसलाइन दृष्टिकोणों की तुलना में बेहतर निर्णय पूर्णता दर और कम होल्ड समय प्राप्त होता है।
यह शोध पत्र एक नवीन ओपन-एजेंट फ्रेमवर्क प्रस्तुत करता है जो इंफ्रास्ट्रक्चर एज़ कोड के लिए सटीक, ऑडिट-रेडी अनुपालन विश्लेषण और समाधान मार्गदर्शन प्रदान करने हेतु ओपन पॉलिसी एजेंट के नियतात्मक नीति प्रवर्तन को लार्ज लैंग्वेज मॉडल-संचालित प्रासंगिक तर्क के साथ संकरित करता है, जो पारंपरिक स्टेटिक विश्लेषण उपकरणों की तुलना में सांख्यिकीय रूप से महत्वपूर्ण प्रदर्शन सुधार प्रदर्शित करता है।
यह शोध पत्र सिंथेटिक और वास्तविक-उड़ान डेटा पर नियंत्रित प्रयोगों के माध्यम से यह प्रदर्शित करते हुए कि न तो रेडियली स्ट्रक्चर्ड डिस्क्रिप्टर पूलिंग और न ही भौगोलिक इंडेक्स पार्टीशनिंग प्रदर्शन में सुधार करती है, बल्कि बाद वाला वास्तव में सटीकता और दक्षता को कम करता है, जबकि एक 384-आयामी क्लास टोकन के साथ एक सरल फ्लैट इंडेक्स एम्बेडेड हार्डवेयर पर मजबूत स्थानीयकरण प्राप्त करता है, UAV विजुअल जियोलोकेशन की दो सामान्य धारणाओं को चुनौती देता है।
यह शोध पत्र एक CART-नियम-निर्देशित डिफ्यूजन मॉडल का प्रस्ताव करता है जो बड़े पैमाने पर उपयोगकर्ता वरीयता डेटा को संश्लेषित करने के लिए एक कंडीशनल GAN का लाभ उठाता है और डिफ्यूजन सैंपलिंग प्रक्रिया में व्याख्या योग्य निर्णय-वृक्ष नियमों को एकीकृत करता है, जो मानव डेटा संग्रह की नैतिक और लागत संबंधी बाधाओं को दूर करते हुए न्यू मीडिया आर्ट जनरेशन की सौंदर्य गुणवत्ता और वैयक्तिकरण को महत्वपूर्ण रूप से बढ़ाता है।
यह अध्ययन लेक्सिकॉन-व्युत्पन्न लेबल पर प्रशिक्षित शास्त्रीय मशीन लर्निंग मॉडल और एक ज़ीरो-शॉट ओपन-सोर्स एलएलएम (LLM) की तुलना करके सऊदी स्टॉक मार्केट के ट्वीट्स के सेंटिमेंट वर्गीकरण का मूल्यांकन करता है, जिससे यह पता चलता है कि जहाँ शास्त्रीय मॉडल केवल संभावित रूप से त्रुटिपूर्ण नियम-आधारित लेबल को ही पुनरुत्पादित करते हैं, वहीं एलएलएम एक विशिष्ट, डोमेन-जागरूक परिप्रेक्ष्य प्रदान करता है जो वित्तीय सेंटिमेंट विश्लेषण को मान्य करने के लिए मानव-एनोटेटेड ग्राउंड ट्रुथ की महत्वपूर्ण आवश्यकता को रेखांकित करता है।
Haar-CFR एक नवीन हाइब्रिड फ्रेमवर्क है जो वित्त और पोकर जैसे डोमेन में बड़े पैमाने के अपूर्ण-सूचना वाले खेलों (imperfect-information games) को हल करने के लिए एक स्केलेबल और व्याख्या योग्य समाधान प्रदान करने हेतु, मौजूदा विधियों की तुलना में विशाल मेमोरी संपीड़न और तेज़ अभिसरण प्राप्त करने के लिए डिस्क्रीट हार वेवलेट रेगुलराइजेशन को CFR+ एल्गोरिदम के साथ एकीकृत करता है।
यह अनुभवजन्य अध्ययन प्रकट करता है कि माइक्रोसर्विसेज में एलएलएम-आधारित रूट-कॉज़ एनालिसिस (मूल कारण विश्लेषण) की सटीकता मुख्य रूप से इसके अंतर्निहित पाइपलाइन द्वारा निकाले गए साक्ष्य की गुणवत्ता द्वारा संचालित होती है, न कि स्वयं मॉडल द्वारा, जबकि यह भ्रामक टेक्स्ट और टाइमिंग त्रुटियों के प्रति सिस्टम की महत्वपूर्ण संवेदनशीलता को भी उजागर करता है।
यह शोध पत्र Attack-Fed का प्रस्ताव करता है, जो एक दो-स्तरीय फेडरेटेड लर्निंग फ्रेमवर्क है जो अटैक-अवेयर क्लस्टरिंग को प्रोटोटाइप-गाइडेड क्रॉस-क्लस्टर नॉलेज ट्रांसफर के साथ जोड़कर घुसपैठ का पता लगाने में लेबल-स्पेस विषमता (heterogeneity) को संबोधित करता है ताकि विशेषीकृत शिक्षण (specialized learning) को सक्षम बनाया जा सके और पूरक अटैक विशेषज्ञता का लाभ उठाया जा सके।
ECtHR उल्लंघन वर्गीकरण पर यह अनुभवजन्य अध्ययन प्रदर्शित करता है कि जबकि BiGRU के माध्यम से अनुक्रमिक क्रॉस-सेगमेंट कॉन्टेक्स्टुअलाइजेशन (sequential cross-segment contextualization) रिकॉल में सुधार करता है, यह यूनिफॉर्म एग्रीगेशन के तहत प्रिसिजन-रिकॉल ट्रेड-ऑफ (precision-recall trade-off) उत्पन्न करता है, जिसे केवल कॉन्टेक्स्टुअलाइजेशन को सेलेक्टिव अटेंशन-आधारित एग्रीगेशन के साथ संयोजित करके ही उच्चतम मैक्रो-F1 स्कोर प्राप्त करने के लिए हल किया जा सकता है।
यह शोध पत्र LINGUA-AUDIT प्रस्तुत करता है, जो एक पुनरुत्पादनीय बेंचमार्क और ऑडिटिंग फ्रेमवर्क है जिसे भारत में आवश्यक नागरिक डोमेन के संबंध में अंग्रेजी, हिंदी और हिंग्लिश प्रश्नों के माध्यम से तथ्यात्मक सटीकता, पूर्णता और सुरक्षा का मूल्यांकन करके बहुभाषी एआई प्रणालियों में पर्याप्त सूचना असमानता को व्यवस्थित रूप से मापने और सांख्यिकीय रूप से विश्लेषण करने के लिए डिज़ाइन किया गया है।