23941 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि प्रोफाइलिंग-संचालित अनुकूली अनुमान (प्रोफाइलिंग-ड्रिवन एडेप्टिव इन्फरेंस), जो सेगमेंट मीन्स कम्प्रेशन को स्थानीय और वितरित निष्पादन के बीच रनटाइम चयन के साथ जोड़ता है, वाई-फाई आधारित वितरित ट्रांसफॉर्मर अनुमान में अंतर्निहित सीपीयू-जीपीयू स्टेजिंग बाधाओं को दूर करके एम्बेडेड एज उपकरणों पर विलंबता (लेटेंसी) और ऊर्जा खपत को महत्वपूर्ण रूप से कम करता है।
यह शोध पत्र FLOATBench प्रस्तुत करता है, जो 22 मेगावाट के फ्लोटिंग ऑफशोर विंड टर्बाइनों के उच्च-सटीकता वाले सिमुलेशन से प्राप्त 5,80,000 से अधिक थकान-क्षति (fatigue-damage) लेबल वाला एक सार्वजनिक डेटासेट और बेंचमार्क है, जिसे एक नवीन रिजीम-अवेयर (regime-aware) प्रोटोकॉल के माध्यम से सरोगेट मॉडल के मूल्यांकन को मानकीकृत करने के लिए डिज़ाइन किया गया है, जो गहरे पानी की पवन ऊर्जा अनुप्रयोगों में पारंपरिक रैंडम-स्प्लिट सत्यापन की सीमाओं को संबोधित करता है।
यह शोध पत्र एक स्व-सुधार (self-improving) ढांचे का प्रस्ताव करता है जो एक रिलेशनल ग्राफ न्यूरल नेटवर्क को सर्च के साथ एकीकृत करता है ताकि डीप रिइन्फोर्समेंट लर्निंग एजेंटों को स्पार्स-रिवॉर्ड प्लानिंग डोमेन में मजबूत ज़ीरो-शॉट सामान्यीकरण (zero-shot generalization) प्राप्त करने में सक्षम बनाया जा सके, जिससे वे बिना सर्च या विशेषज्ञ प्रदर्शन (expert demonstrations) के काफी बड़े समस्या इंस्टेंस को हल कर सकें।
DeGRe एक जनरेटिव रीरैंकिंग फ्रेमवर्क है जो एक ऑफलाइन लुकअहेड इवैल्यूएटर का उपयोग करके डेंस सुपरविजन सिग्नल्स जेनरेट करता है, जिससे एक लाइटवेट ऑनलाइन जनरेटर को एक सिंगल ग्रीडी डिकोडिंग पास के माध्यम से ग्लोबल ऑप्टिमा को कुशलतापूर्वक अनुमानित करने में सक्षम बनाया जाता है, और यह अनुशंसा प्रणालियों (रेकमेंडेशन सिस्टम्स) में लेबल बायस और क्रेडिट असाइनमेंट की चुनौतियों का समाधान करता है।
यह शोध पत्र SpaPath-Bench प्रस्तुत करता है, जो एक व्यापक प्रतिनिधित्व-स्तरीय बेंचमार्क है, जो युग्मित होल स्लाइड इमेज और स्थानिक ट्रांसक्रिप्टोमिक्स डेटा का उपयोग करके स्थानिक डोमेन पहचान को एक नैदानिक कार्य के रूप में तैयार करके, सार्थक ऊतक स्थानिक संबंधों को पकड़ने की अपनी क्षमता पर पैथोलॉजी फाउंडेशन मॉडलों का मूल्यांकन करता है।
यह शोध पत्र PURE का प्रस्ताव करता है, जो एक क्लोज्ड-फॉर्म कॉन्सेप्ट अनलर्निंग विधि है जो एक्टिवेशन स्पेस रिप्रेजेंटेशन के आधार पर क्रॉस-अटेंशन की (key) और वैल्यू (value) वेट्स को प्रोजेक्ट करता है ताकि रिटेन्ड कॉन्सेप्ट्स के जनरेशन को सुरक्षित रखते हुए पैराफ्रेज्ड और एडवर्सरियल प्रॉम्प्ट्स के तहत डिफ्यूजन मॉडल्स से टारगेट कॉन्सेप्ट्स को प्रभावी ढंग से मिटाया जा सके।
यह शोध पत्र यह प्रदर्शित करता है कि भविष्यवाणियों के लिए कर्नेल रिज रिग्रेशन (kernel ridge regression) के साथ मल्टीपल रिग्रेशन और इष्टतम प्रश्न उपसमुच्चयों (question subsets) के चयन के लिए mRMR एल्गोरिदम के रूप में समस्या को पुनर्गठित करके कुशल LLM बेंचमार्किंग में महत्वपूर्ण सुधार किया जा सकता है, जिसके परिणामस्वरूप मौजूदा विधियों की तुलना में कम भविष्यवाणी त्रुटियां, उच्च रैंकिंग सहसंबंध और तेज़, अधिक स्थिर प्रदर्शन प्राप्त होता है।
यह शोध पत्र NPSolver का परिचय देता है, जो एक न्यूरल पॉइसन सॉल्वर है जो प्रीकंडीशन्ड कंजुगेट ग्रेडिएंट स्टेप्स के माध्यम से पुनरावृत्ति भौतिकी पर्यवेक्षण (iterative physics supervision) और एक नवीन बाउंड्री-अवेयर ट्रांसोल्वर आर्किटेक्चर का लाभ उठाकर, बिना लेबल वाले डेटा के जटिल, अनियमित डोमेन पर स्थिर और कुशल प्रशिक्षण प्राप्त करता है।
यह शोध पत्र एक नवीन स्टोकेस्टिक मल्टी-आर्म्ड बैंडिट सेटिंग प्रस्तुत करता है जहाँ एक एजेंट रिग्रेट संचय से पहले एक लॉगरिदमिक फ्री एक्सप्लोरेशन बजट का उपयोग करता है, जिसमें UFE-KLUCB-H एल्गोरिदम का प्रस्ताव दिया गया है और टाइट इंस्टेंस-डिपेंडेंट बाउंड्स स्थापित किए गए हैं जो पारंपरिक तरीकों की तुलना में महत्वपूर्ण रिग्रेट कमी को प्रदर्शित करते हैं।
यह शोध पत्र LEAP को प्रस्तुत करता है, जो सख्त कटऑफ-आधारित डेटा ट्रंकेशन (truncation) को लागू करके अर्ली-वार्निंग मॉडल्स में टेम्पोरल लीकेज (temporal leakage) को समाप्त करने के लिए डिज़ाइन किया गया एक प्रोटोकॉल है, जो OULAD प्रयोगों के माध्यम से यह प्रदर्शित करता है कि इस तरह की कठोरता बढ़ी हुई प्रदर्शन अनुमानों को रोकती है और यह भी प्रकट करती है कि रैंडम फॉरेस्ट (Random Forest) और ग्रेडिएंट बूस्टिंग (Gradient Boosting) कोर्स के विभिन्न चरणों में सबसे प्रभावी भविष्यवक्ता हैं।