3464 पेपर
यह शोध पत्र बड़े पैमाने के IoT नेटवर्क में क्लस्टर हेड चयन को अनुकूलित करने के लिए एडेप्टिव क्वांटम-इंस्पायर्ड स्वार्म लर्निंग (AQISL) एल्गोरिदम का प्रस्ताव करता है, जो लोड बैलेंसिंग और समग्र नेटवर्क स्थिरता को बढ़ाने के साथ-साथ ऊर्जा खपत, पैकेट हानि और ट्रांसमिशन विलंबता को प्रभावी ढंग से कम करता है।
यह व्यवस्थित समीक्षा पार्किंसंस रोग के पता लगाने के लिए स्पीच और वॉयस बायोमार्कर पर लागू मशीन लर्निंग और डीप लर्निंग मॉडल का विश्लेषण करती है, जो डेटा असंतुलन और सामान्यीकरण की कमी जैसी वर्तमान चुनौतियों को संबोधित करते हुए उनकी उच्च सटीकता को रेखांकित करती है, और नैदानिक कार्यान्वयन के लिए मल्टी-मोडल एकीकरण और फेडरेटेड लर्निंग जैसे भविष्य के दिशा-निर्देशों का प्रस्ताव करती है।
यह अध्ययन प्रदर्शित करता है कि एक स्थानीय रूप से तैनात DeBERTa-v3 प्राकृतिक भाषा प्रसंस्करण मॉडल, डेटा गोपनीयता बनाए रखते हुए, कई रेजिडेंसी कार्यक्रमों में एन्ट्रस्टेबल प्रोफेशनल एक्टिविटी नैरेटिव फीडबैक के क्वालिटी ऑफ असेसमेंट फॉर लर्निंग (QuAL) स्कोरिंग को सटीक और स्केलेबल तरीके से स्वचालित कर सकता है, जो मानव रेटर्स के साथ पर्याप्त सहमति प्राप्त करता है।
यह शोध पत्र CM2 का प्रस्ताव करता है, जो दस्तावेज़-आधारित NoSQL डेटाबेस के लिए एक पैरामीट्राइज़ेबल क्लाउड मौद्रिक लागत मॉडल है, जो सर्वरलेस वातावरण में स्कीमा डिज़ाइन, इंडेक्सिंग रणनीतियों और क्वेरी पैटर्न के बीच परस्पर क्रिया का विश्लेषण करके परिचालन व्यय का सटीक अनुमान लगाता है।
यह अध्ययन SME बजट योजना के लिए हाइब्रिड रिट्रीवल (hybrid retrieval) के साथ एक एजेंटिक रिट्रीवल-ऑगमेंटेड जनरेशन (Agentic Retrieval-Augmented Generation) प्रणाली का प्रस्ताव करता है, जो तुलनात्मक मूल्यांकन के माध्यम से यह प्रदर्शित करता है कि एक रूटिंग-आधारित एजेंटिक वर्कफ़्लो (Routing-Based Agentic workflow), साक्ष्य-आधारित सत्यापन के लिए रिट्रीवल की गुणवत्ता और तथ्यात्मक ग्राउंडिंग के बीच इष्टतम संतुलन प्रदान करता है।
यह शोध पत्र तर्क देता है कि एआई के उत्कृष्ट कार्य प्रदर्शन के बावजूद, इसमें मानवीय ज्ञान की मूर्त (embodied), स्थित (situated) और आत्म-चिंतनशील (reflexive) प्रकृति का अभाव है, जो मूल्यांकन ढांचों को 'एपिस्टेमिक कॉम्पिटेंस' (ज्ञान संबंधी सक्षमता) की ओर स्थानांतरित करने और मानविकी को वास्तविक सामान्य बुद्धिमत्ता को परिभाषित करने और परीक्षण करने के लिए आवश्यक बौद्धिक परिवेश के रूप में स्थापित करने की आवश्यकता पर बल देता है।
यह शोध पत्र एक ऑन्टोलॉजी-निर्देशित ढांचे का प्रस्ताव करता है जो व्याख्यात्मक उद्धरण इरादा वर्गीकरण (citation intent classification) को सक्षम करने के लिए साइटेशन कॉन्टेक्स्ट एंड रीज़न ऑन्टोलॉजी (CCRO) से स्पष्ट अर्थ संबंधी विशेषताओं को प्रासंगिक भाषात्मक निरूपणों के साथ एकीकृत करता है, जो फाइन-ट्यून्ड SciBERT के तुलनीय भविष्य कहनेवाला प्रदर्शन प्राप्त करते हुए विद्वत्तापूर्ण सूचना खोज के लिए पारदर्शी, इंस्टेंस-स्तरीय ऑडिट ट्रेल प्रदान करता है।
यह अध्ययन प्रदर्शित करता है कि सिंथेटिक क्लिनिकल डेटा पर जनरेटिव एआई का रिकर्सिव प्रशिक्षण, रिकॉर्ड-स्तर की अस्वाभाविकता के बजाय विविधता और इंटरसेक्शनल फिडेलिटी (intersectional fidelity) के नुकसान के कारण पांच पीढ़ियों के भीतर तेजी से प्रेडिक्टिव कोलैप्स (predictive collapse) की ओर ले जाता है, जबकि यह इस बात पर प्रकाश डालता है कि मौजूदा मतिभ्रम मेट्रिक्स (hallucination metrics) अक्सर भ्रामक होते हैं और वास्तविक दुनिया की डेटा विविधता को बनाए रखने के लिए बेहतर प्रोवेनेंस (provenance) और गुणवत्ता मूल्यांकन की वकालत करता है।
यह शोध पत्र WMGIN का प्रस्ताव करता है, जो एक सेल्फ-अटेंशन-आधारित मल्टी-ग्रैनुलैरिटी व्याख्यात्मक (interpretable) डीप लर्निंग मॉडल है, जो हार्ड लैंडिंग घटनाओं की सटीक भविष्यवाणी करने के साथ-साथ व्याख्यात्मकता बनाए रखने के लिए विंडो आधारित और लेयर-वाइज फ्यूजन रणनीतियों के माध्यम से मल्टी-स्केल QAR डेटा को प्रोसेस करता है।
यह शोध पत्र एक फाइन-ग्रेन्ड अटेंशन-अवेयर डीप लर्निंग (FGADL-MPPVP) मॉडल प्रस्तावित करता है जो विभिन्न पर्यावरणीय परिस्थितियों में फोटोवोल्टिक प्रणालियों के अधिकतम शक्ति बिंदु वोल्टेज (maximum power point voltage) की सटीक और व्याख्या योग्य भविष्यवाणी करने के लिए एक अटेंशन-अवेयर रेसिडुअल न्यूरल आर्किटेक्चर और एक शेड्यूल-फ्री एडमडब्ल्यू (AdamW) ऑप्टिमाइज़र का उपयोग करता है, जो मौजूदा पारंपरिक और मशीन लर्निंग तकनीकों से बेहतर प्रदर्शन करता है।