3615 पेपर
यह शोध पत्र Perceive AI को प्रस्तुत करता है, जो एक नवीन एंड-टू-एंड फ्रेमवर्क है जो स्वचालित लघु उत्तर ग्रेडिंग के लिए एक डुअल-हेड पैरामीट्रिक प्रोटोटाइप आर्किटेक्चर और एडवर्सरियल कंसिस्टेंसी गार्डरेल्स का लाभ उठाता है ताकि प्रभावी रूप से अप्रासंगिक सबमिशन को फ़िल्टर करते हुए सुदृढ़, प्रॉम्प्ट-अवेयर स्कोरिंग प्राप्त की जा सके।
यह शोधपत्र स्पेक्ट्रल बेसिस इंटरप्रिटेबल यूनिट (SBIU) को प्रस्तुत करता है, जो एक शास्त्रीय रूप से प्रेरित, क्वांटम-मैकेनिक्स-प्रेरित न्यूरल मॉड्यूल है जो सार्वभौमिक फलन सन्निकटन (universal function approximation) और उच्च व्याख्यात्मकता तथा सिंथेटिक एवं वास्तविक नैदानिक डेटासेट पर प्रतिस्पर्धी प्रदर्शन के साथ अनसुपरवाइज्ड रिजीम डिस्कवरी प्राप्त करने के लिए सीखे गए ऑर्थोगोनल प्रोजेक्शन का उपयोग करता है।
यह शोध पत्र डिक्शनरी-केएन (DKAN) प्रस्तुत करता है, जो एक मशीन-सत्यापित आर्किटेक्चर है जो जटिल-गुणांक (complex-coefficient) RBF डिक्शनरी और विविक्त पदानुक्रमित परिशोधन (discrete hierarchical refinement) का उपयोग करके कोलमोगोरोव-आर्नोल्ड नेटवर्क के अनुकूलन विरोधाभास को हल करता है, ताकि निरंतर स्प्लाइन-आधारित KANs की मेमोरी और अभिसरण समस्याओं से बचते हुए उत्कृष्ट बहुभिन्नरूपी प्रतिगमन (multivariate regression), PDE गुणांक रिकवरी और हार्डवेयर-कुशल व्याख्यात्मकता प्राप्त की जा सके।
CONCORDAT एक क्रॉस-सिलो फेडेरेटेड लर्निंग फ्रेमवर्क है जो कई साइटों के बीच विषम और अपूर्ण स्वास्थ्य डेटा को एकीकृत करते हुए मिसिंगनेस (missingness), डिफरेंशियल प्राइवेसी और सबग्रुप इक्विटी की चुनौतियों को एक साथ संबोधित करके विश्वसनीय, गोपनीयता-संरक्षित मल्टीमॉडल ऑटिज्म अनुसंधान को सक्षम बनाता है।
यह शोध पत्र स्ट्रिक्ट-कॉन्ट्रैक्शन (strict-contraction) की प्रतिबंधात्मक आवश्यकता को शिथिल करते हुए एक फिक्स्ड पॉइंट थ्योरी स्थापित करके डीप इक्विलिब्रियम मॉडल्स (Deep Equilibrium Models) को आगे बढ़ाता है, जो वार्डोवस्की -कॉन्ट्रैक्शंस (Wardowski -contractions) के तहत अस्तित्व और विशिष्टता को सिद्ध करता है, नॉनएक्सपेंसिव ऑपरेटर्स (nonexpansive operators) के लिए क्रास्नोसेल्स्की-मैन इटरेशन (Krasnoselskii–Mann iteration) के अभिसरण को प्रदर्शित करता है, और सुदृढ़ प्रशिक्षण के लिए लिप्सचिट्ज़ स्थिरता सीमाएँ (Lipschitz stability bounds) व्युत्पन्न करता है।
यह शोध पत्र एक रक्षा ढांचे का प्रस्ताव करता है जो एडवरसैरियल ट्रेनिंग और ग्रेडिएंट मास्किंग को संयोजित करता है ताकि बेनाइन ट्रैफिक पर उच्च सटीकता बनाए रखते हुए एडवरसैरियल हमलों के विरुद्ध डीप लर्निंग-आधारित घुसपैठ पहचान प्रणालियों की मजबूती को महत्वपूर्ण रूप से बढ़ाया जा सके।
यह शोध पत्र एक एकीकृत सॉफ्ट-एडेप्टिव एग्रीगेशन फ्रेमवर्क प्रस्तावित करता है जो सॉफ्ट-चंकअट्न (Soft-ChunkAttn) को डिफरेंशिएबल सिमेंटिक चंकिंग के लिए और वर्चुअल डायनेमिक ब्लॉक-अट्नरेज़ (Virtual Dynamic Block-AttnRes) को इनपुट-एडेप्टिव लेयर मर्जिंग के लिए पेश करके लॉन्ग-कॉन्टेक्स्ट एलएलएम (LLMs) में सीक्वेंस और डेप्थ सूचना के क्षरण को कम करता है, और यह सब कुशल जीपीयू (GPU) परिनियोजन के लिए मूल कंप्यूटेशन ग्राफ को सुरक्षित रखते हुए किया जाता है।
यह शोध पत्र EIDOLON-RL को प्रस्तुत करता है, जो एक हाइब्रिड पदानुक्रमित सुदृढीकरण शिक्षण (hierarchical reinforcement learning) ढांचा है जो प्रतिद्वंद्वी मॉडलिंग, विश्व मॉडलिंग और जोखिम-अनुकूलन योजना को एकीकृत करता है ताकि AAA एक्शन गेम्स के लिए निष्पक्ष, सुपाठ्य और गणनात्मक रूप से कुशल AI पात्र उत्पन्न किए जा सकें, जो एनिमेशन वैधता और इच्छित अपूर्णता जैसे उत्पादन संबंधी बाधाओं को बाद के इंजीनियरिंग सुधारों के रूप में मानने के बजाय उन्हें गणितीय रूप से लागू करता है।
यह शोध पत्र यह प्रदर्शित करता है कि भौतिक तंत्रिका नेटवर्क (फिजिकल न्यूरल नेटवर्क) को नियंत्रण-जागरूक उद्देश्यों के साथ अनुकूलित करना, जो स्थिर प्रतिगमन सटीकता (स्टैटिक रिग्रेशन एक्यूरेसी) के बजाय संभावित-कार्रवाई रैंकिंग को संरक्षित करने को प्राथमिकता देते हैं, होमियोस्टैटिक विनियमन और कार्ट-पोल स्थिरीकरण जैसे कार्यों में क्लोज्ड-लूप विनियमन प्रदर्शन और गड़बड़ी के विरुद्ध मजबूती को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र गतिशील ग्राफ़ में डीप लर्निंग-आधारित विसंगति का पता लगाने (anomaly detection) के लिए एक सत्यापित वर्गीकरण और एकीकृत बेंचमार्क स्थापित करता है, जो यह प्रकट करता है कि सरल डिग्री-आधारित ह्यूरिस्टिक्स अक्सर सिंथेटिक बेंचमार्क पर जटिल डीप मॉडलों से बेहतर प्रदर्शन करते हैं जबकि वास्तविक दुनिया के डेटा पर विफल हो जाते हैं, और वर्तमान मूल्यांकन प्रथाओं और प्रकाशित कार्यान्वयनों में महत्वपूर्ण खामियों को उजागर करता है।