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 1262 पेपर · 751–760 / 1262
यह शोध पत्र एक तुलनात्मक अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि मल्टीलेयर पर्सेप्ट्रॉन और गॉसियन प्रोसेस रिग्रेशन मॉडल, जिन्हें BCDMS प्रयोगात्मक डेटा पर प्रशिक्षित किया गया है, DGLAP विकास समीकरणों को हल किए बिना जटिल गैररेखीय QCD गतिकी को कैप्चर करके प्रोटॉन स्ट्रक्चर फंक्शन की प्रभावी ढंग से भविष्यवाणी करते हैं।
यह शोध पत्र एक नवीन सटीक सूडो-स्पेक्ट्रल सिमुलेशन दृष्टिकोण का उपयोग करते हुए, यह प्रदर्शित करने के लिए कि प्रणाली एक गैर-संतुलन स्थिर अवस्था में व्यवस्थित होती है जिसमें एसिम्प्टोटिक गैर-गॉसियनता विसरण पैरामीटर के घन के रूप में स्केल करती है, दृढ़तापूर्वक अत्यधिक गैर-गॉसियन शासन में विसरित डियोसी-पेनरोस कोलैप्स मॉडल की ऊष्मागतिक निरंतरता को स्थापित करता है, जिससे अस्वाभाविक हीटिंग के मुद्दे को सुलझाते हुए महत्वपूर्ण वितरण पूंछों (डिस्ट्रीब्यूशन टेल्स) को पकड़ने के लिए सटीक संख्यात्मक विधियों की आवश्यकता की पुष्टि की जाती है।
यह शोध पत्र CausalLongPFN को प्रस्तुत करता है, जो सिंथेटिक टेम्पोरल कॉज़ल मॉडल्स पर प्रीट्रेन किया गया एक फ्रोजन प्रायर-फिटेड नेटवर्क है, जो डोमेन-विशिष्ट प्रशिक्षण के बिना काउंटरफैक्चुअल लॉन्गीटुडिनल परिणामों की भविष्यवाणी करता है, और कैंसर, HIV और MIMIC-III जैसे बेंचमार्क पर प्रतिस्पर्धी प्रदर्शन प्रदर्शित करते हुए पारंपरिक कोहॉर्ट-विशिष्ट मॉडलिंग का एक लागत प्रभावी विकल्प प्रदान करता है।
यह शोध पत्र कृत्रिम चेतना का अध्ययन करने के लिए मल्टी-एजेंट सुदृढीकरण शिक्षण (मल्टी-एजेंट रीइन्फोर्समेंट लर्निंग) में उद्गामी भाषा (इमर्जेंट लैंग्वेज) का उपयोग करते हुए एक जनरेटिव कार्यप्रणाली प्रस्तावित करता है, यह प्रदर्शित करते हुए कि कैसे एजेंट, बिना किसी मानवीय भाषाई पूर्वधारणाओं के, केवल कार्य संबंधी मांगों और पर्यावरणीय सामर्थ्य (एनवायरनमेंटल अफोर्डेंस) द्वारा संचालित होकर, आत्म-संदर्भित संचार और नवीन संज्ञानात्मक संरचनाओं को विकसित कर सकते हैं।
अभूतपूर्व रूप से गहरे और उच्च-रिज़ॉल्यूशन वाले ALMA अवलोकनों का उपयोग करते हुए, शोधकर्ताओं ने सैजिटेरियस A* के आसपास मौजूद ठंडी आणविक गैस में एक विशाल, शंक्वाकार रिक्ति (clearing) की खोज की है जो मिल्की वे के केंद्रीय ब्लैक होल से निकलने वाली एक सक्रिय पवन (wind) का पहला प्रत्यक्ष प्रमाण प्रदान करती है।
यह शोध पत्र 'नोवल विजुअल रेफरेंस डेटासेट' (NVRD) को प्रस्तुत करता है ताकि यह मूल्यांकन किया जा सके कि विजन-लैंग्वेज मॉडल और मनुष्य नवीन, प्री-ट्रेनिंग-विरोधी दृश्य अवधारणाओं को भाषा के साथ कैसे मैप करते हैं, जो यह प्रकट करता है कि मॉडल ऐसी अवधारणाओं के इन-कॉन्टेक्स्ट लर्निंग में संघर्ष करते हैं और मानव निर्णयों की तुलना में काफी अधिक ओवरजनरलाइज़ करते हैं।
यह शोध पत्र विश्लेषणात्मक फ्रैक्टल वक्र वृक्षों (analytic fractal curve trees) को उच्च-आयामी सतह पैच वृक्षों (higher-dimensional surface patch trees) में सामान्यीकृत करता है, जो शाखा बिंदुओं (branch points) को इंटरफ़ेस मैनिफोल्ड्स (interface manifolds) द्वारा प्रतिस्थापित करके विश्लेषणात्मक अवस्थाओं को संचारित करता है, जिससे एक सुचारू आयाम क्षेत्र (smooth dimension field) को वृक्षों के वक्र संरचनाओं में प्राकृतिक फोलिएशन (natural foliation) के माध्यम से प्रस्तुत करते हुए समाकलनीयता (integrability), संरूपता (conformality) और स्व-समानता (self-similarity) के लिए स्थितियाँ स्थापित करता है।
यह शोध पत्र यह प्रदर्शित करता है कि विजन-लैंग्वेज-एक्शन मॉडल्स के लिए मजबूत वन-स्टेप एक्शन जनरेशन को केवल ट्रेनिंग टाइम डिस्ट्रीब्यूशन को हाई-नॉइज़ स्टेट्स की ओर बायस करके प्राप्त किया जा सकता है, जो इमेज सिंथेसिस में आमतौर पर आवश्यक जटिल डिस्टिलेशन या ऑक्जिलरी ऑब्जेक्टिव्स की आवश्यकता को समाप्त करता है और मल्टी-स्टेप डिफ्यूजन पॉलिसी के प्रदर्शन के बराबर या उससे बेहतर प्रदर्शन करता है।
यह शोध पत्र ज्ञान भंडारण (storage), प्रतिनिधित्व (representation) और सुलभता (accessibility) के बीच अंतर करने वाले एक तीन-स्तरीय ढांचे का प्रस्ताव करता है ताकि यह प्रदर्शित किया जा सके कि निरंतर शिक्षण (continual learning) में विनाशकारी विस्मृति (catastrophic forgetting) मुख्य रूप से एक सुलभता की विफलता है न कि पूर्ण प्रतिनिधित्व संबंधी विलोपन, जैसा कि तंत्रिका प्रतिनिधित्वों (neural representations) में कार्य की जानकारी की निरंतरता से सिद्ध होता है जिसे सरल क्लासिफायर पुनरप्रशिक्षण के माध्यम से पुनः प्राप्त किया जा सकता है।
यह शोध पत्र CAN को प्रस्तुत करता है, जो एक विकेंद्रीकृत क्रॉस-अटेंशन पॉलिसी है जो सहकारी मल्टी-एजेंट सुदृढीकरण सीखने (multi-agent reinforcement learning) के लिए, फ्री-राइडर्स की संख्या का गतिशील रूप से अनुमान लगाकर और आनुपातिक रूप से उन्हें चुनौती देकर मजबूत निष्पक्षता और उच्च दक्षता प्राप्त करता है, जिससे बिना किसी केंद्रीकृत आवंटक की आवश्यकता के मौजूदा फेयर लर्नर्स की कमजोरियों को दूर किया जा सके।