3900 पेपर
MAP-RAG एक नवीन मल्टी-व्यू एडेप्टिव फ्रेमवर्क है जो हाइब्रिड रिट्रीवल और डायनेमिक कॉन्फिडेंस रूटिंग के साथ स्ट्रक्चर्ड इलेक्ट्रॉनिक मेडिकल रिकॉर्ड डिकंपोजिशन को एकीकृत करके नैदानिक निदान सटीकता और दक्षता को बढ़ाता है, जो बेसलाइन मॉडल की तुलना में कई चिकित्सा विभागों में बेहतर प्रदर्शन प्रदर्शित करता है।
अति-आशावादी बेंचमार्क और सटीकता-निष्पक्षता व्यापार (accuracy-fairness trade-off) के कारण मेडिकल सेगमेंटेशन फाउंडेशन मॉडल्स में उत्पन्न ट्रांसलेशनल गैप को संबोधित करने के लिए, यह शोध पत्र OrganSegBench पेश करता है, जो एक कठोर बहु-आयामी मूल्यांकन ढांचा है जो यह प्रदर्शित करता है कि कैसे एनसेंबल रणनीतियों के माध्यम से सिद्धांतपूर्ण मॉडल सिनर्जी (principled model synergy), सुरक्षित, न्यायसंगत और नैदानिक रूप से विश्वसनीय एआई प्राप्त करने में मोनोलिथिक मॉडल्स की तुलना में बेहतर प्रदर्शन करती है।
यह शोध पत्र एक हाइब्रिड रिट्रीवल ऑगमेंटेड जनरेशन फ्रेमवर्क प्रस्तुत करता है जो व्याख्या योग्य, व्यक्तिगत क्लिनिकल निर्णय सहायता और प्रारंभिक रोग जोखिम भविष्यवाणी को बढ़ाने के लिए रेसिप्रोकल रैंक फ्यूजन के साथ BM25 और BioBERT-आधारित सिमेंटिक सर्च को एकीकृत करता है, जो पारंपरिक बेसलाइन की तुलना में 182,000 मेडिकल रिकॉर्ड्स के डेटासेट पर बेहतर रिट्रीवल प्रदर्शन प्राप्त करता है।
यह अध्ययन एक व्याख्या योग्य हाइब्रिड क्लासिकल-क्वांटम सपोर्ट वेक्टर मशीन मॉडल का प्रस्ताव करता है जो मातृ मानसिक स्वास्थ्य जोखिम भविष्यवाणी प्रदर्शन (99.86% सटीकता) प्राप्त करने के लिए बहु-देशीय डेटा का लाभ उठाता है और SHAP विश्लेषण के माध्यम से प्रमुख नैदानिक भविष्यवक्ताओं की पहचान करता है।
यह शोध पत्र प्रदर्शित करता है कि हबल/ईबीपीएफ (Hubble/eBPF) नेटवर्क टेलीमेट्री, जब सावधानीपूर्वक निर्मित ग्राउंड-ट्रुथ लेबल के साथ संयोजित की जाती है, तो कुबेरनेट्स (Kubernetes) परिवेशों में रनटाइम हमलों और गलत कॉन्फ़िगरेशनों का प्रभावी ढंग से पता लगा सकती है, जो यह प्रकट करता है कि नियम-आधारित डिटेक्टरों की उच्च परिशुद्धता (precision) और रैंडम फॉरेस्ट क्लासिफायर की उच्च रिकॉल (recall) के बीच एक समझौते के बावजूद, गंतव्य-पक्ष पहचान गुण (destination-side identity attributes) खतरों के सबसे मजबूत संकेतक हैं।
यह शोध पत्र ST-HAE को प्रस्तुत करता है, जो एक अनसुपरवाइज्ड स्पैटियो-टेम्पोरल हाइब्रिड ऑटोएनकोडर है जो केवल बेनाइन (benign) ट्रैफ़िक पर प्रशिक्षण देकर और मौजूदा विधियों की तुलना में फाल्स अलार्म दर और वेरिएंस को महत्वपूर्ण रूप से कम करने के लिए द्विदिशीय टेम्पोरल एनकोडिंग का उपयोग करके, वास्तविक क्लास इम्बैलेंस के तहत विषम IoT नेटवर्क में उच्च-परिशुद्धता विसंगति का पता लगाता है।
यह शोधपत्र एक मल्टीमॉडल ट्रांसफॉर्मर-आधारित पद्धति प्रस्तावित करता है जो कक्षाओं में प्रीस्कुलरों के ध्यान के स्तर का मजबूती से आकलन करने के लिए वीडियो, ऑडियो और एटीट्यूड (व्यवहार) डेटा को एकीकृत करता है, जो बेसलाइन मॉडलों की तुलना में विभिन्न फोकस अवस्थाओं में बेहतर प्रदर्शन और स्थिरता प्रदर्शित करता है।
यह शोध पत्र CBEC-AIGC-Bench डेटासेट पेश करके और MFF-EComDet प्रस्तावित करके सीमा पार ई-कॉमर्स में AI-जनित उत्पाद छवियों का पता लगाने की चुनौती का समाधान करता है, जो एक मल्टी-फीचर फ्यूजन नेटवर्क है जो प्रचार संबंधी टेक्स्ट के हस्तक्षेप से जनरेशन आर्टिफैक्ट्स (generation artifacts) को प्रभावी ढंग से अलग करने के लिए क्रॉस-अटेंशन मैकेनिज्म के साथ स्थानिक अर्थपूर्ण (spatial semantic) और फ्रीक्वेंसी आर्टिफैक्ट शाखाओं को जोड़ता है।
FluxGraph एक अनसुपरवाइज्ड फ्रेमवर्क है जो टाइम सीरीज़ विसंगति का पता लगाने के लिए डायनेमिक ग्राफ अटेंशन को फ्लक्स मेमोरी और बायडायरेक्शनल फीचर फ्लो के साथ जोड़ता है ताकि औद्योगिक और ऑटोमोटिव प्रणालियों में सूक्ष्म छद्म वेश (masquerade) विसंगतियों और क्रमिक बेसलाइन ड्रिफ्ट्स की प्रभावी ढंग से पहचान की जा सके, जो एक नवीन मल्टी-रेसिडुअल फ्यूजन दृष्टिकोण के माध्यम से मौजूदा विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र एक बहु-स्तरीय ढांचे का प्रस्ताव करता है जो प्रतिक्रियाओं को परमाणु दावों में विभाजित करके, उन्हें रिट्रीवल के साथ ग्राउंड करके, और एक छोटे भाषा मॉडल एवं न्यूरो-सिम्बोलिक तर्क के माध्यम से उन्हें सत्यापित करके बड़े भाषा मॉडलों की तथ्यात्मक विश्वसनीयता को बढ़ाता है, जिससे हॉटपॉटक्यूए (HotpotQA) और साइफ़ैक्ट (SciFact) डेटासेट पर व्याख्यात्मकता और कम्प्यूटेशनल दक्षता बनाए रखते हुए महत्वपूर्ण प्रदर्शन लाभ प्राप्त होता है।