744 पेपर
एक व्यापक मोंटे कार्लो जांच के माध्यम से, यह शोध पत्र प्रदर्शित करता है कि जबकि प्रशिक्षण नमूना आकार SHAP एट्रिब्यूशन फिडेलिटी का प्राथमिक चालक है, सामान्य क्लास इम्बैलेंस उपचार अक्सर फीचर रैंकिंग और परिमाणों को विकृत कर देते हैं, जिससे लेखक SHAP व्याख्यात्मकता को प्राथमिकता देने के लिए रीबैलेंसिंग के बजाय क्लास वेटिंग अपनाने की सिफारिश करते हैं।
यह शोधपत्र CLHA को प्रस्तुत करता है, जो वेट-शेयर्ड (weight-shared) मिक्स्चर-ऑफ-एक्सपर्ट्स ट्रांसफॉर्मर्स के पोस्ट-ट्रेनिंग क्वांटाइजेशन के लिए एक क्रॉस-लेयर हेसियन एग्रीगेशन विधि है, जो साझा परतों (shared layers) में हेसियन सांख्यिकी को संयोजित करके कुल पुनर्निर्माण त्रुटि (reconstruction error) को न्यूनतम करता है, और मौजूदा प्रति-परत कैलिब्रेशन दृष्टिकोणों से काफी बेहतर प्रदर्शन करने के साथ-साथ हेसियन अनुमान में महत्वपूर्ण कार्यान्वयन संबंधी कमियों को भी संबोधित करता है।
यह शोध पत्र एजेंटिक एनोटेशन लैंग्वेज (AAL) प्रस्तुत करता है, जो एक नवीन इन-बैंड एनोटेशन प्रणाली है जो स्वायत्त एजेंटों के लिए जस्ट-इन-टाइम संदर्भ इंजेक्शन को सक्षम करती है, जो पारंपरिक ग्लोबल रूल फाइल्स की तुलना में टोकन खपत और संदर्भ प्रदूषण को काफी कम करती है जबकि डोमेन-विशिष्ट बाधाओं के साथ उच्च अनुपालन बनाए रखती है।
यह शोध पत्र उर्दू फर्जी समाचार पहचान (fake news detection) के लिए पहला क्रॉस-डेटासेट सामान्यीकरण अध्ययन प्रस्तुत करता है, जो यह प्रकट करता है कि Ax-to-Grind डेटासेट पर प्रशिक्षित एक मॉडल Notri-Fact डेटासेट पर लागू होने पर बुरी तरह विफल हो जाता है क्योंकि प्रशिक्षण डेटा में एक व्यवस्थित लंबाई संबंधी भ्रम (length confound) मौजूद है जो शॉर्टकट लर्निंग को प्रेरित करता है, जिससे निम्न-संसाधन वाले एनएलपी (low-resource NLP) के लिए वर्तमान डेटासेट निर्माण और मूल्यांकन प्रथाओं में गंभीर खामियां उजागर होती हैं।
यह शोध पत्र कैस्केड प्रोग्रेसिव डिस्टिल्ड नेटवर्क (CPDN) को प्रस्तुत करता है, जो एक नवीन डीप लर्निंग फ्रेमवर्क है जो विषम सारणीबद्ध डेटा (heterogeneous tabular data) पर अत्याधुनिक वर्गीकरण प्रदर्शन प्राप्त करने के लिए अनुकूलन ठहराव (optimization stagnation) और गैर-विभेदकता (non-differentiability) की समस्याओं को दूर करने हेतु कैटबूस्ट (CatBoost) शिक्षक से ज्ञान आसवन (knowledge distillation) का लाभ उठाता है।
यह शोध पत्र प्रदर्शित करता है कि QMIX का उपयोग करते हुए एक केंद्रीकृत प्रशिक्षण के साथ विकेंद्रीकृत निष्पादन (CTDE) दृष्टिकोण, स्वतंत्र Q-लर्निंग (IQL) और गैर-RL बेसलाइन की तुलना में स्मार्ट शहरों के भीतर इलेक्ट्रिक वाहन चार्जिंग को समन्वित करने में काफी बेहतर प्रदर्शन करता है, जो आंशिक अवलोकन और यातायात गतिशीलता को प्रभावी ढंग से प्रबंधित करते हुए उच्च स्वीकृति दर और सफलता की संभावना प्राप्त करता है।
445 हालिया अध्ययनों (2024-2026) का यह व्यवस्थित अवलोकन CNN-Mamba हाइब्रिड को उनकी रैखिक कम्प्यूटेशनल जटिलता के कारण मेडिकल इमेजिंग के लिए सबसे कुशल आर्किटेक्चर के रूप में पहचानता है, जबकि स्थानिक सूचना की हानि और मेमोरी खपत जैसी महत्वपूर्ण चुनौतियों को रेखांकित करता है जिन्हें नैदानिक एकीकरण को सक्षम करने के लिए नेटिव 3D ब्लॉक्स के माध्यम से संबोधित किया जाना चाहिए।
यह शोध पत्र एक हाइब्रिड घुसपैठ पहचान ढांचे (इंट्रूज़न डिटेक्शन फ्रेमवर्क) का प्रस्ताव और मूल्यांकन करता है जो संरेखित (अलाइन्ड) IoT और क्लाउड डेटासेट पर सुपरवाइज्ड लर्निंग (रैंडम फॉरेस्ट और XGBoost) को एक LSTM ऑटोएनकोडर-आधारित विसंगति पहचान मॉडल के साथ जोड़ता है, जो यह प्रदर्शित करता है कि हालांकि यह दृष्टिकोण अनदेखे हमलों के लिए पहचान की मजबूती और रिकॉल में महत्वपूर्ण सुधार करता है, लेकिन इसके लिए बढ़े हुए फॉल्स पॉजिटिव और कम परिशुद्धता (प्रिसिजन) के साथ एक समझौता आवश्यक है।
यह शोध पत्र YOLOv10n-FBD का प्रस्ताव करता है, जो एक हल्का चेरी टमाटर परिपक्वता पहचान मॉडल है जो मौजूदा विधियों की तुलना में मॉडल के आकार और गणनात्मक जटिलता को काफी कम करते हुए उच्च सटीकता (94.3% mAP) और गति (369 FPS) प्राप्त करने के लिए CCFM फीचर फ्यूजन, PSA-BiFormer अटेंशन और C2f-Dual रणनीति को एकीकृत करता है।
यह अध्ययन एक स्व-क्यूरेटेड डेटासेट और हाइब्रिड ध्वनिक विशेषताओं का उपयोग करते हुए कम संसाधन वाली असमिया भाषा के लिए एक LSTM-आधारित स्पीच रिकग्निशन सिस्टम का प्रस्ताव करता है, जो 95% सटीकता प्राप्त करने के साथ-साथ स्वरों के बीच ध्वन्यात्मक समानताओं से उत्पन्न चुनौतियों को रेखांकित करता है।