3657 पेपर
यह शोध पत्र OPERA को प्रस्तुत करता है, जो एक बायज़ेंटाइन फॉल्ट-टॉलरेंट निष्पादन मॉडल है जो आंशिक प्रतिकृति (पार्शियल रेप्लिकेशन) और नोड-दर-नोड समानांतरता के माध्यम से नोड्स के बीच संगति (कन्करेंसी) का विस्तार करता है, जिससे सुरक्षा या एप्लिकेशन अर्थशास्त्र (एप्लीकेशन सिमेंटिक्स) से समझौता किए बिना ब्लॉकचेन में निष्पादन लागत को काफी कम करता है और थ्रूपुट को बढ़ाता है।
यह शोध पत्र एक कार्य-जागरूक ग्राफ सुदृढीकरण शिक्षण (ग्राफ रिइन्फोर्समेंट लर्निंग) ढांचे का प्रस्ताव करता है जो ब्लैक-बॉक्स एलएलएम (LLM) में पुन: प्रयोज्य तर्क संदर्भों को संकुचित करता है, जिसमें ग्राफ-संरचित तर्क इकाइयों पर निष्कर्षण संबंधी 'रखें-या-छोड़ें' (keep-or-drop) के निर्णय लेने के लिए एक हल्के नीति (लाइटवेट पॉलिसी) को प्रशिक्षित किया जाता है, जिससे तर्क सटीकता को बनाए रखते हुए इनपुट लागत में महत्वपूर्ण बचत प्राप्त होती है।
यह शोध पत्र EquiEwald को प्रस्तुत करता है, जो एक नवीन SO(3)-इक्विवैरिएंट (equivariant) न्यूरल इंटर-एटॉमिक पोटेंशियल है, जो ओरिएंटेशन-डिपेंडेंट (orientation-dependent) जानकारी को संरक्षित करते हुए लंबी दूरी के इलेक्ट्रोस्टैटिक और पोलराइजेशन इंटरैक्शन को प्रभावी ढंग से कैप्चर करने के लिए रेसिप्रोकल स्पेस (reciprocal space) तक एवाल्ड समेशन (Ewald summation) का विस्तार करता है, जिससे आवधिक (periodic) और अपरिभाषिक (aperiodic) प्रणालियों के लिए मशीन-लर्निंग मॉडलों में सटीकता और डेटा दक्षता में उल्लेखनीय सुधार होता है।
यह शोधपत्र भाषा मॉडल स्केलिंग लॉज़ (scaling laws) के यांत्रिक मूल की व्याख्या करने के लिए नॉन-इक्विलिब्रियम भौतिकी पर आधारित एक स्टोकेस्टिक मल्टीस्केल सिद्धांत प्रस्तावित करता है, जो प्रशिक्षण को एक स्केल-डिपेंडेंट बायस्ड रैंडम वॉक के रूप में मॉडल करता है जो डेटा और मॉडल आकार के विरुद्ध लॉस (loss) के लिए विश्लेषणात्मक रूप से व्युत्पन्न पावर लॉज़ (power laws) प्रदान करता है और संदर्भ संपीड़न (context compression) एवं फ्रंटियर अवशोषण (frontier absorption) की एक द्विभाजित दो-चरणीय गतिशीलता की पहचान करता है।
यह शोध पत्र नॉलेज-कंस्ट्रेंड रीज़नर (Knowledge-Constrained Reasoner) को प्रस्तुत करता है, जो एक एकल संरेखण चरण (alignment phase) का उपयोग करने वाला एक नवीन दृष्टिकोण है ताकि बड़े भाषा मॉडलों (Large Language Models) में आवश्यक तर्क क्षमताओं को आत्मसात किया जा सके, जिससे प्रश्नोत्तर के लिए बाहरी ज्ञान का कठोर और सही उपयोग सुनिश्चित हो सके और पारंपरिक विशेषज्ञ प्रणालियों की विश्वसनीयता को गैर-पैरामीट्रिक निरंतर शिक्षण (non-parametric continuous learning) के लचीलेपन के साथ जोड़ा जा सके।
यह अध्ययन एक व्याख्यात्मक, ड्यूल मेटाह्यूरिस्टिक्स द्वारा अनुकूलित, वेटेड मिक्सचर ऑफ एक्सपर्ट्स-आधारित निर्णय-सहायता प्रणाली प्रस्तुत करता है जो निम्न- और मध्यम-आय वाले देशों में इंजीनियरिंग और चिकित्सा छात्रों के बीच मानसिक स्वास्थ्य की गंभीरता की भविष्यवाणी करने में उच्च सटीकता प्राप्त करता है और विभिन्न विषयों में विशिष्ट जोखिम कारकों को प्रकट करता है।
यह शोध पत्र "रेगुलराइजेशन-मॉनिटरिंग डिलेमा" (नियमितीकरण-निगरानी दुविधा) की पहचान करता है और उसे संबोधित करता है, जो एक मौलिक संघर्ष है जहाँ स्व-पर्यवेक्षित विश्व मॉडलों (जैसे JEPA) के स्थिर प्रशिक्षण के लिए आवश्यक आंशिक गॉसियनकरण (marginal Gaussianization), अनजाने में उन विभेदक ज्यामितीय संरचनाओं को दबा देता है जो विश्वसनीय इन्फरेंस-टाइम विसंगति का पता लगाने के लिए आवश्यक होती हैं।
यह शोध पत्र स्वचालित मेलानोमा डिटेक्शन के लिए डीप कन्वोल्यूशनल न्यूरल नेटवर्क आर्किटेक्चर, डेटासेट और प्रीप्रोसेसिंग रणनीतियों की एक व्यवस्थित समीक्षा प्रस्तुत करता है, जो उनकी उच्च सटीकता, क्लास इम्बैलेंस (वर्ग असंतुलन) और व्याख्यात्मकता जैसी वर्तमान चुनौतियों और फेडरेटेड लर्निंग एवं हाइब्रिड मॉडल जैसे भविष्य के दिशा-निर्देशों पर प्रकाश डालता है।
यह शोध पत्र SciCFM को प्रस्तुत करता है, जो एक कॉज़ल फाउंडेशन मॉडल फ्रेमवर्क है जो यह प्रदर्शित करता है कि हस्तक्षेप-समृद्ध क्रॉस-टास्क प्रीट्रेनिंग अत्यंत छोटे-डेटा, जटिल कॉज़ल व्यवस्थाओं में ट्रीटमेंट-इफेक्ट एस्टीमेशन को महत्वपूर्ण रूप से सुधारती है, हालांकि यह लो-डायमेंशनल सेटिंग्स में डायरेक्ट रेगुलराइज्ड एस्टिमेटर्स की तुलना में कम प्रभावी बना रहता है।
यह समीक्षा लेख तर्क देता है कि जबकि लार्ज लैंग्वेज मॉडल्स प्रभावशाली संज्ञानात्मक क्षमताएं प्रदर्शित करते हैं, एआई की भविष्य की प्रगति के लिए भाषा-मात्र प्रणालियों की अंतर्निहित सीमाओं को दूर करने हेतु मूर्त अनुभवों (embodied experiences), पदानुक्रमित मॉड्यूलेशन (hierarchical modulation) और स्वायत्त सुदृढ़ीकरण (autonomous reinforcement) के माध्यम से मल्टीमॉडल इंटेलिजेंस के अंतर को पाटना आवश्यक है।