24509 पेपर
यह शोध पत्र दो नवीन विधियों, इनपुट सेंसर ड्रॉपआउट (ISensD) और एनसेम्बल सेंसर इनवेरिएंट (ESensI) का प्रस्ताव और मूल्यांकन करता है, जो तीन अर्थ ऑब्जर्वेशन डेटासेट पर प्रयोगों के माध्यम से यह प्रदर्शित करता है कि एनसेम्बल-आधारित मल्टी-सेंसर मॉडल और सेंसर ड्रॉपआउट तकनीकें लुप्त सेंसर डेटा के विरुद्ध भविष्यवाणी की मजबूती को महत्वपूर्ण रूप से बढ़ाती हैं।
यह शोध पत्र BEAVER को प्रस्तुत करता है, जो निजी उद्यम डेटा वेयरहाउस से प्राप्त पहला टेक्स्ट-टू-SQL बेंचमार्क है जिसमें 19 डोमेन के 9,128 वास्तविक दुनिया के प्रश्न शामिल हैं, जो अत्याधुनिक मॉडलों के लिए एक महत्वपूर्ण प्रदर्शन अंतराल को प्रकट करता है और डोमेन ज्ञान एवं उन्नत फंक्शन उपयोग जैसी जटिल चुनौतियों का निदान करने के लिए एक सूक्ष्म मूल्यांकन ढांचे का प्रस्ताव करता है।
यह शोध पत्र Stylus का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त (training-free) ढांचा है जो मेल-स्पेक्ट्रोग्राम (Mel-spectrograms) पर उच्च-निष्ठा वाला संगीत शैली स्थानांतरण (music style transfer) प्राप्त करने के लिए प्रीट्रेंड इमेज डिफ्यूजन मॉडल्स को सेल्फ-अटेंशन मैकेनिज्म में हेरफेर करने और फेज़-प्रिजर्विंग रिकंस्ट्रक्शन (phase-preserving reconstruction) को नियोजित करके पुनरुत्पादित करता है, जिससे यह कंटेंट संरक्षण और संवेदी गुणवत्ता दोनों में मौजूदा ज़ीरो-शॉट विधियों से बेहतर प्रदर्शन करता है।
यह शोधपत्र Ciliary-DETR प्रस्तुत करता है, जो एक नवीन ऑब्जेक्ट डिटेक्शन फ्रेमवर्क है जो एक हल्के, सीखने योग्य स्केल प्रेडिक्टर (scale predictor) का उपयोग करके जैविक दृश्य अनुकूलन (biological visual accommodation) की नकल करता है ताकि अनुमानित रिज़ॉल्यूशन को गतिशील रूप से अनुकूलित किया जा सके, जिससे निश्चित इनपुट आकारों की सीमाओं को दूर किया जा सके और लॉस-ड्रिवन स्केल अनुकूलन (loss-driven scale adaptation) के माध्यम से मजबूती बढ़ाई जा सके।
यह अध्ययन छह अत्याधुनिक मल्टी-सोर्स अर्थ ऑब्जर्वेशन मॉडल्स का मूल्यांकन करता है जिससे यह पता चलता है कि लुप्त डेटा के प्रति उनकी मजबूती कार्य की प्रकृति, स्रोत की पूरकता और मॉडल के डिज़ाइन पर निर्भर करती है, साथ ही यह इस धारणा को चुनौती देता है कि सभी उपलब्ध डेटा का उपयोग करने से प्रदर्शन में हमेशा सुधार होता है।
VIPO एक नवीन मॉडल-आधारित ऑफलाइन सुदृढीकरण शिक्षण (reinforcement learning) एल्गोरिदम है जो ऑफलाइन डेटा से प्राप्त मूल्य अनुमानों और सीखे गए मॉडल द्वारा अनुमानित मूल्यों के बीच विसंगतियों को दंडित करने के लिए स्व-पर्यवेक्षित फीडबैक को शामिल करके मॉडल की सटीकता को बढ़ाता है और अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र LMNet को प्रस्तुत करता है, जो एक सघन (dense) और अवकलनीय (differentiable) ढांचा है जो पूर्व-प्रशिक्षित भाषा मॉडलों को प्रशिक्षित योग्य seq2seq संचार किनारों (communication edges) के माध्यम से जोड़ता है ताकि न्यूनतम पर्यवेक्षण के साथ कुशल, एंड-टू-एंड अनुकूलित सूचना हस्तांतरण और उभरती हुई बुद्धिमत्ता (emergent intelligence) को सक्षम किया जा सके।
यह शोधपत्र A³, एक पोस्ट-ट्रेनिंग लो-रैंक एप्रोक्सिमेशन फ्रेमवर्क का प्रस्ताव करता है जो कार्यात्मक हानि (फंक्शनल लॉस) को न्यूनतम करने के लिए ट्रांसफॉर्मर घटकों (QK, OV, और MLP) के हिडन डायमेंशन को विश्लेषणात्मक रूप से कम करता है, जिससे मौजूदा विधियों की तुलना में शून्य रनटाइम ओवरहेड के साथ बेहतर संपीड़न और प्रदर्शन प्राप्त होता है।
यह शोध पत्र NFR का प्रस्ताव करता है, जो एक नवीन अनसुपरवाइज्ड लर्निंग-आधारित फ्रेमवर्क है जो बिना किसी पत्राचार एनोटेशन (correspondence annotations) के गैर-कठोर (non-rigid) और आंशिक 3D आकृतियों को मिलाने में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए एक पुनरावृत्ति ज्यामितीय पंजीकरण पाइपलाइन में न्यूरल फीचर्स को एकीकृत करता है।
यह शोध पत्र ReVisiT को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free) डिकोडिंग विधि है जो विज़न टोकन से प्रासंगिक दृश्य अर्थों (visual semantics) को टेक्स्ट जनरेशन प्रक्रिया में गतिशील रूप से प्रोजेक्ट करके लार्ज विजन लैंग्वेज मॉडल्स में मतिभ्रम (hallucinations) को कम करती है, और कम कम्प्यूटेशनल लागत के साथ बेहतर प्रदर्शन प्राप्त करती है।