वे पेपर जिनकी आसान व्याख्या पर मूल लेखकों ने प्रतिक्रिया दी है।
इस पेज के हर पेपर के लिए कम से कम एक मूल लेखक ने हमारी आसान व्याख्या देखी और उस पर प्रतिक्रिया दी है—या तो यह पुष्टि की कि वह सटीक है, या सुधार माँगे जिन्हें हमने लागू किया। समर्थन का मतलब यह नहीं कि लेखक हर वाक्य को औपचारिक रूप से मंज़ूरी देते हैं, लेकिन इसका मतलब है कि व्याख्या उन लोगों की नज़र से गुज़री है जिन्होंने पेपर लिखा है।
लेखकों द्वारा समीक्षा किए गए 932 पेपर · 101–110 / 932
यह शोध पत्र फोकस-अवेयर एडेप्टिव डेंस सबग्राफ (FAADS) फ्रेमवर्क का प्रस्ताव करता है, जो एक इंक्रीमेंटल अपडेट मैकेनिज्म के माध्यम से डायनेमिक मल्टीलेयर नेटवर्क्स में उच्च-गुणवत्ता वाले डेंस सबग्राफ को कुशलतापूर्वक माइन करता है, जो लगभग इष्टतम घनत्व गुणवत्ता बनाए रखते हुए अत्याधुनिक तरीकों की तुलना में महत्वपूर्ण गति सुधार प्राप्त करता है।
यह शोध पत्र CKTN को प्रस्तुत करता है, जो वियतनाम की चाम, खमेर और ताय-नुंग भाषाओं के लिए पहला बहुभाषी कॉर्पस और बेंचमार्क है, यह प्रदर्शित करते हुए कि लिपि और संपर्क अंतरों के कारण मानक अनुकूलन विधियाँ विफल हो जाती हैं और एक लिपि-जागरूक प्रीट्रेनिंग रेसिपी का प्रस्ताव देता है जो एनकोडर प्रदर्शन और सिमेंटिक सामान्यीकरण में महत्वपूर्ण सुधार करती है।
यह शोध पत्र एक जोखिम-उन्मुख सत्यापन और पुष्टिकरण ढांचे का प्रस्ताव करता है जो सार्वजनिक क्षेत्र के एलएलएम (LLM) में मतिभ्रम (hallucination) का पता लगाने को एक विशुद्ध तकनीकी चुनौती से बदलकर एक शासन संबंधी मुद्दे में परिवर्तित करता है, जिससे स्थगन या मानवीय वृद्धि जैसे परिचालन निर्णयों को निर्देशित करने के लिए एक संयुक्त जोखिम सूचकांक पेश किया जाता है, जिससे कानूनी निश्चितता और प्रशासनिक जवाबदेही सुनिश्चित होती है।
यह शोध पत्र महत्वपूर्ण बुनियादी ढांचे की निगरानी के लिए YOLO26 डीप लर्निंग मॉडल का उपयोग करते हुए एक इंटेलिजेंट, रियल-टाइम ड्रोन डिटेक्शन और अर्ली वार्निंग फ्रेमवर्क प्रस्तावित करता है, जिसे एक कस्टम मल्टी-सिनारियो डेटाबेस पर प्रशिक्षित किया गया है और छोटे, दूरस्थ और चुनौतीपूर्ण ड्रोन लक्ष्यों की पहचान करने में बेहतर सटीकता और गति प्रदर्शित करने के लिए बेसलाइन मॉडलों के विरुद्ध मूल्यांकित किया गया है।
यह अध्ययन प्रदर्शित करता है कि GAIA और Pan-STARRS डेटा से प्राप्त ऑप्टिकल लाइट कर्व फीचर्स पर प्रशिक्षित एक LightGBM मॉडल, जिसे BoostBoruta के माध्यम से आयामीता कम (dimensionality reduced) की गई है, ब्लैज़र्स और नॉन-ब्लैज़र्स में सक्रिय गैलेक्टिक न्यूक्लिआई (AGN) को लगभग 86% सटीकता के साथ प्रभावी ढंग से वर्गीकृत कर सकता है, यहाँ तक कि स्व-शिक्षण (self-learning) के माध्यम से अज्ञात उम्मीदवारों पर लागू होने पर भी।
यह अध्ययन मानव श्वसन उपकला कोशिकाओं (human airway epithelial cells) में SARS-CoV-2, इन्फ्लुएंजा ए और RSV संक्रमणों के तुलनात्मक ट्रांसक्रिप्टोमिक्स का उपयोग करके यह प्रकट करता है कि ये श्वसन वायरस काफी हद रूप से विशिष्ट, वायरस-विशिष्ट मेजबान ट्रांसक्रिप्शनल प्रतिक्रियाएं उत्पन्न करते हैं जिनमें न्यूनतम साझा जीन हस्ताक्षर होते हैं, जो रोगजनक-लक्षित चिकित्सीय और नैदानिक रणनीतियों की आवश्यकता का सुझाव देते हैं।
MuScriptor एक ओपन-वेट मॉडल है जो सिंथेटिक प्री-ट्रेनिंग, रियल-डेटा फाइन-ट्यूनिंग, रिइन्फोर्समेंट लर्निंग और इंस्ट्रूमेंट-कंडीशनिंग को जोड़कर वास्तविक रिकॉर्डिंग पर प्रभावी मल्टी-इंस्ट्रूमेंट म्यूजिक ट्रांसक्रिप्शन प्राप्त करता है ताकि मौजूदा विधियों की सामान्यीकरण सीमाओं को दूर किया जा सके।
यह अध्ययन यह प्रदर्शित करके अरागोनिट सुपरस्ट्रक्चर विरोधाभास (aragonite superstructure paradox) का दीर्घकालिक समाधान करता है कि रहस्यमय सममिति-वर्जित परावर्तन (symmetry-forbidden reflections), जिन्हें पहले नए CaCO3 पॉलीटाइप्स के रूप में गलत समझा गया था, वास्तव में नैनोस्केल पॉलीसिंथेटिक ट्विनिंग (polysynthetic twinning) के कारण उत्पन्न विवर्तन आर्टिफैक्ट्स (diffraction artifacts) हैं, जो मॉडलिंग और प्रयोगों के माध्यम से प्रमाणित एक ऐसा निष्कर्ष है जो अन्य ट्विन्ड सामग्रियों में समान आर्टिफैक्ट्स की पहचान करने के लिए एक सामान्यीकृत ढांचा प्रदान करता है।
यह बिब्लियोमेट्रिक अध्ययन 2000 से 2026 तक के 734 स्कोपस-अनुक्रमित (Scopus-indexed) प्रकाशनों का विश्लेषण करता है ताकि सेमीकंडक्टर उद्योग में स्थिरता अनुसंधान के विकास, प्रमुख विषयों और ज्ञान संरचनाओं को मैप किया जा सके, जिसमें प्रमुख योगदानकर्ताओं, पुनर्चक्रण (recycling) और पर्यावरण प्रबंधन जैसे मुख्य विषयों, और चक्रीय अर्थव्यवस्था (circular economy) एवं नवीकरणीय ऊर्जा जैसे भविष्य की आशाजनक दिशाओं की पहचान की गई है।
यह शोध पत्र प्रॉम्प्टशील्ड (PromptShield) को प्रस्तुत करता है, जो एक व्याख्यात्मक मल्टी-एजेंट फ्रेमवर्क है जो बड़े भाषा मॉडलों (LLMs) में प्रॉम्प्ट इंजेक्शन हमलों का प्रभावी ढंग से पता लगाने और उन्हें समझाने के लिए SHAP और LIME जैसी XAI तकनीकों के साथ ट्रांसफॉर्मर-आधारित सिमेंटिक विश्लेषण को जोड़ता है।