24350 पेपर
VOLTA-3D एक स्व-पर्यवेक्षित (self-supervised) 3D विजन ट्रांसफार्मर फ्रेमवर्क है जो एक स्टूडेंट-टीचर प्रतिमान के भीतर ग्लोबल और लोकल टोकन्स को संयुक्त रूप से संरेखित करके हस्तांतरणीय ब्रेन एमआरआई (brain MRI) निरूपण सीखता है, जिससे यह विविध डाउनस्ट्रीम कार्यों में मौजूदा बेसलाइनों से बेहतर प्रदर्शन करता है और डोमेन शिफ्ट केAcross बढ़ी हुई मजबूती प्रदर्शित करता है।
यह शोध पत्र डिस्टिंग्विशेबल डिलीशन () का प्रस्ताव करता है, जो एनर्जी-बेस्ड अनलर्निंग अलाइनमेंट (EUA) के माध्यम से कार्यान्वित एक एकीकृत प्रतिमान है, जो विशिष्ट टोकन को दबाने के बजाय लेटेंट स्पेस में रिस्पॉन्स डिस्ट्रीब्यूशन को मैनिपुलेट करके अवांछनीय ज्ञान को प्रभावी ढंग से मिटाता है और सुरक्षित रिफ्यूज़ल सुनिश्चित करता है, जिससे मौजूदा नॉलेज डिलीशन और डिस्टिंग्विशेबल रिफ्यूज़ल विधियों की सीमाओं को दूर किया जा सके।
यह शोध पत्र एक सुदृढ़ हाइपरडायमेंशनल कंप्यूटिंग फ्रेमवर्क प्रस्तावित करता है जो रोटेशन, ट्रांसलेशन और स्केल-इनवेरिएंट टोपोलॉजिकल प्रिमिटिव्स—विशेष रूप से बाहरी आकृतियों और छिद्रों—को हाइपरवेक्टर्स में एनकोड करता है, जो मानक पिक्सेल-आधारित एनकोडर्स और कॉम्पैक्ट सीएनएन (CNN) की तुलना में पिक्सेल-स्तरीय भ्रष्टाचार के प्रति काफी बेहतर लचीलापन प्रदर्शित करते हुए प्रतिस्पर्धी क्लीन एक्यूरेसी बनाए रखता है।
यह शोध पत्र TIER का प्रस्ताव करता है, जो एक ऐसा रिवॉर्ड फ्रेमवर्क है जो फंक्शन स्कीमा और रनटाइम निष्पादन का लाभ उठाकर मल्टी-स्टेप टूल उपयोग के लिए सघन, ट्राजेक्टरी-इनवेरिएंट सुपरविजन प्रदान करता है, जिससे लार्ज लैंग्वेज मॉडल्स को उन जटिल कंपोजिशनल कार्यों पर उच्च सटीकता प्राप्त करने में सक्षम बनाया जा सके जहाँ मौजूदा ट्राजेक्टरी-आधारित विधियाँ विफल हो जाती हैं।
यह शोध पत्र एफ़िनिटी-अलाइन्ड मल्टीमॉडल लर्निंग एनालिटिक्स (AAMLA) फ्रेमवर्क का प्रस्ताव करता है, जिसमें एक क्रॉस-मोडल एफ़िनिटी-गाइडेड मोडैलिटी अलाइनमेंट (CAMA) मॉड्यूल शामिल है जो मोडैलिटी डिग्रेडेशन को मजबूती से संभालने और आई गेज़, फेशियल एक्सप्रेशंस और इंटरेक्शन लॉग्स जैसे हेट्रोजेनियस डेटा स्रोतों को एकीकृत करने के लिए इंटर-मोडल संबंधों को स्पष्ट रूप से मॉडल करके गेम-आधारित लर्निंग में छात्र सहयोग संतुष्टि की भविष्यवाणी को बढ़ाता है।
यह शोध पत्र ऑब्जर्वेशन-अलाइन्ड मास्क प्रायर्स (Observation-Aligned Mask Priors) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो डिफ्यूजन मॉडल्स के प्रशिक्षण के लिए नमूना-विशिष्ट मास्क उत्पन्न करने हेतु बेयसियन फ्लो नेटवर्क (Bayesian Flow Network) का उपयोग करके प्रामाणिक अवरोधों (occlusions) के वितरण को सीखता है, जिससे हीयुरिस्टिक मास्किंग नियमों पर निर्भर किए बिना अपूर्ण वास्तविक-विश्व अवलोकनों से सुदृढ़ भौतिक गतिकी पुनर्निर्माण सक्षम होता है।
यह शोध पत्र एक एकीकृत ढांचे का प्रस्ताव करता है जो LLM डिस्टिलेशन में पारंपरिक रूप से जुड़े हुए प्रिफिक्स स्रोत (prefix source) और KL डाइवर्जेंस दिशा के विकल्पों को अलग करता है, जो चार विशिष्ट उद्देश्यों को प्रकट करता है और तर्क संबंधी कार्यों (reasoning tasks) में सटीकता, विविधता और दक्षता के बीच संतुलन को अनुकूलित करने के लिए KL मिक्सिंग और एंट्रॉपी-गेटेड करिकुलम जैसी व्यावहारिक तकनीकों को पेश करता है।
यह शोध पत्र सहभागी एआई (AI) पहलों के मानचित्रण के लिए एक खुले, संवादात्मक एटलस और पुनरुत्पादक प्रोटोकॉल के निर्माण को प्रस्तुत करता है, जो मौजूदा प्रयासों में भौगोलिक और विषयगत सांद्रता को प्रकट करता है और तुलनात्मक अनुसंधान, नीतिगत शिक्षण तथा सामुदायिक जांच का समर्थन करने के लिए एक जीवंत ढांचे को स्थापित करता है।
यह शोध पत्र एक प्रेडिक्शन-इंटरवेंशन गेम फ्रेमवर्क पेश करता है जहाँ एक लीडर (नेता) फॉलोअर (अनुगामी) के रणनीतिक कोवेरिएट हस्तक्षेपों का पूर्वानुमान लगाता है, यह सिद्ध करते हुए कि "स्टेबल ब्लैंकेट" (कोवेरिएट्स का एक विशिष्ट अपरिवर्तनीय उपसमुच्चय) पर आधारित भविष्यवक्ता केवल कॉज़ल पेरेंट्स (कारणजनक माता-पिता) पर निर्भर रहने वाले भविष्यवक्ताओं की तुलना में श्रेष्ठ या समकक्ष प्रदर्शन प्रदान करते हैं, साथ ही सबसे खराब स्थिति की इष्टतमता (worst-case optimality) के लिए स्थितियाँ स्थापित करते हैं और सिमुलेशन एवं वास्तविक डेटा के माध्यम से इन रणनीतियों को मान्य करते हैं।
यह शोध पत्र "पैटर्न इंडक्शन" (Pattern Induction) को पेश करते हुए विजन-लैंग्वेज मॉडल्स के लिए विजुअल प्लानिंग में संवेदी बाधा (perceptual bottleneck) को संबोधित करता है, जो एक ऑनलाइन लर्निंग रणनीति है जो पुन: प्रयोज्य विजुअल पैटर्न को स्वायत्त रूप से खोजती है ताकि महंगी पुनरावृत्तिपूर्ण धारणा (iterative perception) के बजाय सीधे अनुमान (direct inference) के माध्यम से कुशल, प्रशिक्षण-मुक्त नियोजन सक्षम किया जा सके।