24346 पेपर
द लूप (The Loupe) विजन ट्रांसफॉर्मर्स के लिए एक हल्का, प्लग-एंड-प्ले स्थानिक गेटिंग मॉड्यूल है जो विभेदक विशेषताओं को बढ़ाने के लिए विरल स्थानिक मास्क (sparse spatial masks) की भविष्यवाणी करके सूक्ष्म-स्तरीय दृश्य वर्गीकरण को महत्वपूर्ण रूप से बढ़ाता है, और न्यूनतम पैरामीटर ओवरहेड के साथ CUB-200-2011 पर अत्याधुनिक परिणाम प्राप्त करता है।
यह शोध पत्र ORDinal Adaptive Correction (ORDAC) का प्रस्ताव करता है, जो एक नवीन डेटा-केंद्रित ढांचा है जो विभिन्न शोर स्थितियों के तहत Adience और Diabetic Retinopathy जैसे डेटासेट पर मॉडल की मजबूती और सटीकता में उल्लेखनीय सुधार करने के लिए प्रशिक्षण के दौरान शोर वाले ऑर्डिनल लेबल को गतिशील रूप से समायोजित और ठीक करने हेतु Label Distribution Learning का लाभ उठाता है।
यह शोध पत्र प्रोसेस कंसिस्टेंसी फ़िल्टर (PROF) को प्रस्तुत करता है, जो एक डेटा क्यूरेशन पद्धति है जो उच्च गुणवत्ता वाले प्रशिक्षण नमूनों का चयन करने के लिए प्रोसेस और आउटकम रिवॉर्ड मॉडल्स के बीच की निरंतरता का लाभ उठाती है, जिससे प्रत्यक्ष रिवॉर्ड ऑप्टिमाइज़ेशन की अस्थिरता से बचते हुए अंतिम-उत्तर सटीकता और रीजनिंग फेथफुलनेस दोनों में सुधार होता है।
यह शोध पत्र CoUn को पेश करता है, जो एक नवीन मशीन अनलर्निंग फ्रेमवर्क है जो भूल जाने वाले नमूनों (forget samples) के प्रभाव को उनके सिमेंटिक रिप्रजेंटेशन को समायोजित करके प्रभावी ढंग से हटाने के लिए रिटेन डेटा पर कंट्रास्टिव लर्निंग और सुपरवाइज्ड लर्निंग का लाभ उठाता है, जिससे यह मौजूदा अत्याधुनिक तरीकों से बेहतर प्रदर्शन करता है।
यह शोध पत्र स्पार्स ट्रेनिंग स्कीम (STS) का प्रस्ताव करता है, जो एक स्टेज-अवेयर फ्रेमवर्क है जो कंप्यूटेशनल रेडंडेंसी के विभिन्न स्रोतों को संबोधित करने के लिए एलाइनमेंट के दौरान विजुअल टोकन्स को डायनामिक रूप से कंप्रेस करके और इंस्ट्रक्शन ट्यूनिंग के दौरान अनावश्यक लेयर्स को स्किप करके मल्टीमॉडल लार्ज लैंग्वेज मॉडल ट्रेनिंग की दक्षता में सुधार करता है।
TusoAI एक एजेंटिक AI प्रणाली है जो असंरचित वैज्ञानिक ज्ञान को एक ट्री प्रतिनिधित्व में एकीकृत करके स्वायत्त रूप से डोमेन-विशिष्ट कम्प्यूटेशनल विधियों को विकसित और अनुकूलित करती है, जो सिंगल-सेल RNA-seq डिनोइजिंग से लेकर जेनेटिक रोग जुड़ाव की खोज तक के कार्यों में मौजूदा उपकरणों की तुलना में बेहतर प्रदर्शन प्रदर्शित करती है और नवीन जैविक अंतर्दृष्टि को उजागर करती है।
यह शोध पत्र रिफ्यूज़ल इंडेक्स (RI) को प्रस्तुत करता है, जो तथ्यात्मक कार्यों में लार्ज लैंग्वेज मॉडल्स की अक्सर अविश्वसनीय ज्ञान-जागरूक इनकार क्षमताओं को प्रभावी ढंग से मापने और प्रकट करने के लिए इनकार (refusal) और त्रुटि संभावनाओं के बीच सहसंबंध पर आधारित एक नवीन मीट्रिक है।
यह शोध पत्र गाइडेड टोपोलॉजी डिफ्यूजन (GTD) को प्रस्तुत करता है, जो एक नवीन जनरेटिव फ्रेमवर्क है जो मल्टी-LLM एजेंट सिस्टम के लिए टास्क-एडेप्टिव, कुशल कम्युनिकेशन टोपोलॉजी को गतिशील रूप से सिंथेसाइज करने के लिए कंडीशनल डिस्क्रीट ग्राफ डिफ्यूजन मॉडल और एक लाइटवेट प्रॉक्सी मॉडल का लाभ उठाता है, जिससे स्टैटिक डिज़ाइन्स की सीमाओं को दूर किया जा सकता है और सहयोग प्रदर्शन में महत्वपूर्ण सुधार किया जा सकता है।
ProtoSiTex एक अर्ध-व्याख्यात्मक (semi-interpretable) ढांचा है जो एक द्वि-चरणीय प्रशिक्षण रणनीति और पदानुक्रमित हानि (hierarchical loss) का उपयोग करके अनुकूल, ओवरलैपिंग प्रोटोटाइप सीखने के माध्यम से सूक्ष्म-स्तरीय बहु-लेबल टेक्स्ट वर्गीकरण को उन्नत करता है, जिससे मानव-संरेखित स्पष्टीकरण प्रदान करते हुए अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र NeuroRVQ को प्रस्तुत करता है, जो एक मोडैलिटी-अनुकूलित (modality-adaptive) बायोसिग्नल टोकेनाइज़र है जो उच्च-निष्ठा सिग्नल पुनर्निर्माण प्राप्त करने के लिए मल्टी-स्केल टेम्पोरल कनवल्शन और पोज़-अवेयर लॉस (phase-aware loss) के साथ पदानुक्रमित अवशिष्ट वेक्टर क्वांटाइजेशन (hierarchical residual vector quantization) का उपयोग करता है, जिससे NeuroRVQ-FM फाउंडेशन मॉडल्स को डाउनस्ट्रीम कार्यों में मौजूदा विधियों से बेहतर प्रदर्शन करने में सक्षम बनाया जा सके।