744 पेपर
यह अध्ययन स्वायत्त सॉफ्टवेयर विकास के लिए एक बड़े पैमाने के मल्टी-एजेंट सिस्टम, CodePori को प्रस्तुत करता है, और मानक बेंचमार्क मेट्रिक्स से परे प्रमुख चुनौतियों और अवसरों की पहचान करने के लिए प्रतिभागी फीडबैक के माध्यम से इसकी वास्तविक दुनिया की प्रयोज्यता का अनुभवजन्य मूल्यांकन करता है।
यह अध्ययन कंप्यूटर विज्ञान के होमवर्क को पुनर्गठित करने के लिए रणनीतियों का प्रस्ताव और मूल्यांकन करता है ताकि एआई (AI) उपकरणों को प्रतिबंधित करने के बजाय उनका लाभ उठाया जा सके, यह प्रदर्शित करते हुए कि पुनरावृत्ति शिक्षण चक्र, रणनीतिक समय निर्धारण और निरंतर फीडबैक वास्तविक छात्र समझ को बढ़ा सकते हैं और साथ ही शैक्षणिक अखंडता को भी बनाए रख सकते हैं।
यह शोध पत्र Res6-Deep11 को प्रस्तुत करता है, जो एक नवीन अनसुपरवाइज्ड इमेज रिकंस्ट्रक्शन मॉडल है जो पिक्सेल-लेवल ग्राउंड ट्रुथ लेबल की आवश्यकता के बिना SAR छवियों में तेल रिसाव (ऑयल स्पिल) का प्रभावी ढंग से पता लगाने और उसे सेगमेंट करने में सक्षम है, और 77.33% के F1-स्कोर के साथ अत्याधुनिक विधियों की तुलना में बेहतर प्रदर्शन प्राप्त करता है।
यह शोध पत्र DTap को प्रस्तुत करता है, जो AI एजेंटों के लिए पहला नियंत्रणीय और संवादात्मक रेड-टीमिंग प्लेटफॉर्म है, जिसमें एक स्वायत्त रेड-टीमिंग एजेंट (DTap-Red) और एक बड़े पैमाने का बेंचमार्क (DTap-Bench) शामिल है ताकि 14 वास्तविक दुनिया के डोमेन में सुरक्षा कमजोरियों का व्यवस्थित रूप से मूल्यांकन और अनावरण किया जा सके।
यह शोध पत्र एक 'एरर एनालिसिस डिसीजन ट्री' (Error Analysis Decision Tree) और नवीन पद्धतिगत नवाचारों का उपयोग करके स्वास्थ्य सेवा में विश्वसनीय एआई को कार्यान्वित करने के लिए एक स्केलेबल ढांचे को प्रस्तुत करता है, जो छिपे हुए उपसमूह विफलताओं को उजागर करने और पूर्वाग्रह को कम करने के माध्यम से अमूर्त निष्पक्षता सिद्धांतों को सत्यापन योग्य इंजीनियरिंग उद्देश्यों में अनुवादित करता है जो यूरोपीय संघ एआई अधिनियम (EU AI Act) जैसे नियमों के अनुपालन को सुनिश्चित करते हैं।
154 अध्ययनों (2021-2025) का यह व्यवस्थित समीक्षा (systematic review) यह प्रकट करता है कि यद्यपि IoT/IIoT सुरक्षा के लिए AI मुख्य रूप से घुसपैठ का पता लगाने (intrusion detection) पर केंद्रित है, वर्तमान अनुसंधान में लेबल की कमी और संसाधनों की सीमाओं के कारण परिचालन वैधता (operational validity) का अभाव है, जिसके लिए मानकीकृत, ड्रिफ्ट-अवेयर (drift-aware) और व्याख्यात्मक (explainable) परिनियोजन प्रोटोकॉल की ओर बदलाव आवश्यक है।
यह शोध पत्र बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) में प्रोसेस सिमेंटिक कोलैप्स को कम करने के लिए कंस्ट्रेंट-अवेयर डिकंपोजिशन-रीकंपोजिशन प्रोसेस एलिमेंट एनोटेशन (DR-PEA) पद्धति का परिचय देता है, जो सिमेंटिक डिकंपोजिशन, प्रोसेस रीकंपोजिशन और कंस्ट्रेंट मैपिंग की तीन-चरणीय पाइपलाइन के माध्यम से असंरचित प्रोसेस टेक्स्ट को मानकीकृत संरचित डेटा में परिवर्तित करके मौजूदा बेसलाइनों की तुलना में बेहतर प्रदर्शन प्राप्त करता है।
यह अध्ययन स्तन हिस्टोपैथोलॉजी छवियों पर DenseNet121 और विजन ट्रांसफॉर्मर मॉडलों की वर्गीकरण सटीकता और व्याख्यात्मकता स्थिरता की तुलना करता है, जो एक महत्वपूर्ण ट्रेड-ऑफ को प्रकट करता है जहाँ DenseNet121 उच्च सटीकता और स्थानीयकृत स्पष्टीकरण प्राप्त करता है जबकि विजन ट्रांसफॉर्मर इनपुट परिवर्तनों के तहत स्पष्टीकरण की अधिक मजबूती प्रदर्शित करता है।
यह अध्ययन एक तीन-चरणीय डीप लर्निंग फ्रेमवर्क प्रस्तुत करता है जो डेटा-दुर्लभ उप-सहारा क्षेत्रों में माइन रिक्लेमेशन (खदान सुधार) को अनुकूलित करने के लिए एक स्केलेबल और हस्तांतरणीय समाधान प्रदान करने हेतु सिंथेटिक डेटा का उपयोग करके अफ्रीकी मृदा प्रोफाइल के विरुद्ध मान्य, LSTM-आधारित pH भविष्यवाणी के साथ डीप रीइन्फोर्समेंट लर्निंग नियंत्रण को जोड़ता है।
यह अध्ययन प्रदर्शित करता है कि सेल्फ-अटेंशन का लाभ उठाने वाला डीप सेट-आधारित एकत्रीकरण (Deep Set-based aggregation), परिवर्तनशील-लंबाई वाले, उच्च-आवृत्ति वाले वियरेबल शारीरिक गतिविधि डेटा को मॉडल करने में पारंपरिक तरीकों से बेहतर प्रदर्शन करता है, जबकि यह सुझाव देता है कि अधिक स्थिर, कम-आवृत्ति वाले मापों के लिए सरल एकत्रीकरण रणनीतियाँ पर्याप्त बनी रहती हैं।