24509 पेपर
UniJEPA एक एकीकृत रोबोट नीति ढांचा है जो निरंतर और असतत (continuous and discrete) निरूपणों को सीखने के लिए निर्देशात्मक वीडियो पर बड़े पैमाने पर प्रीट्रेनिंग का लाभ उठाता है, जिससे मौजूदा विजन-लैंग्वेज और जनरेटिव दृष्टिकोणों की तुलना में सिमुलेशन और वास्तविक दुनिया के आउट-ऑफ-डिस्ट्रीब्यूशन कार्यों दोनों में बेहतर प्रदर्शन सक्षम होता है।
यह शोध पत्र RL4Seg3D पेश करता है, जो एक अनसुपरवाइज्ड डोमेन एडाप्टेशन फ्रेमवर्क है जो 2D+समय इकोकार्डियोग्राफी के सेगमेंटेशन की सटीकता, शारीरिक वैधता और टेम्पोरल निरंतरता में सुधार करने के लिए नवीन रिवॉर्ड फंक्शन्स और एक फ्यूजन स्कीम के साथ रिइन्फोर्समेंट लर्निंग का लाभ उठाता है और बिना किसी टारगेट डोमेन लेबल की आवश्यकता के मजबूत अनसर्टेन्टी एस्टीमेशन प्रदान करता है।
यह शोध पत्र VERA-MH को प्रस्तुत करता है, जो एक स्वचालित ढांचा है जो विशेष रूप से आत्महत्या के जोखिम के संबंध में, एक क्लिनिशियन द्वारा विकसित रूब्रिक के माध्यम से, मानसिक स्वास्थ्य चैटबॉट्स के सुरक्षा और नैतिक प्रदर्शन का मूल्यांकन करने के लिए सिम्युलेटेड (simulated) उपयोगकर्ता और जज AI एजेंटों का उपयोग करता है।
यह शोध पत्र इवोफॉर्मर (Evoformer) आर्किटेक्चर के एक निरंतर-गहराई वाले न्यूरल ओडीई (Neural ODE) फॉर्मूलेशन का प्रस्ताव करता है जो अल्फाफोल्ड (AlphaFold) जैसे पारंपरिक डीप लर्निंग मॉडलों के लिए एक हल्का और अनुकूलनीय विकल्प प्रदान करते हुए, प्लाउज़िबल (plausible) प्रोटीन संरचनाओं की भविष्यवाणी करने की क्षमता बनाए रखते हुए कंप्यूटेशनल लागत और मेमोरी उपयोग को काफी कम करता है।
यह शोध पत्र ऑन-पॉलिसी लर्निंग के लिए एक विशेष गोपनीयता परिभाषा को औपचारिक रूप देकर और पॉलिसी ग्रेडिएंट तथा नेचुरल पॉलिसी ग्रेडिएंट जैसे एल्गोरिदम की सैंपल कॉम्प्लेक्सिटी का विश्लेषण करके डिफरेंशियल प्राइवेट पॉलिसी ऑप्टिमाइज़ेशन के एक सैद्धांतिक अध्ययन की शुरुआत करता है, जिससे यह पता चलता है कि गोपनीयता लागत अक्सर लोअर-ऑर्डर टर्म्स के रूप में दिखाई देती है और गोपनीयता-संरक्षित सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) के लिए व्यावहारिक अंतर्दृष्टि प्रदान करती है।
यह शोध पत्र हायर-ऑर्डर लीनियर अटेंशन (HLA) को प्रस्तुत करता है, जो एक स्केलेबल, कॉज़ल मैकेनिज्म है जो कॉम्पैक्ट प्रीफ़िक्स पर्याप्त सांख्यिकी (prefix sufficient statistics) को बनाए रखकर लीनियर टाइम कॉम्प्लेक्सिटी के साथ हायर-ऑर्डर इंटरैक्शन प्राप्त करता है, जिससे रिकरेंट आर्किटेक्चर की अभिव्यक्ति क्षमता को संरक्षित करते हुए मानक अटेंशन की क्वाड्रेटिक लागत पर विजय प्राप्त की जा सकती है।
यह शोध पत्र रेडियल कंपनसेशन (Radial Compensation) को प्रस्तुत करता है, जो रिमानियन मैनिफोल्ड्स (Riemannian manifolds) पर चार्ट-आधारित जनरेटिव मॉडल्स के लिए एक ऐसी विधि है जो टेंजेंट-स्पेस बेस डिस्ट्रीब्यूशन (tangent-space base distribution) को समायोजित करके जियोडेसिक रेडियस (geodesic radii) के सांख्यिकीय वितरण को संख्यात्मक कंडीशनिंग (numerical conditioning) से अलग करती है, जिससे चार्ट के चयन के बावजूद स्थिर प्रशिक्षण और व्याख्या योग्य कर्वेचर अनुमान सुनिश्चित होता है।
QuickLAP एक बेयसियन फ्रेमवर्क है जो अस्पष्ट भौतिक सुधारों को उच्च-स्तरीय भाषाई फीडबैक के साथ जोड़ने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे अर्ध-स्वायत्त प्रणालियों को वास्तविक समय में उपयोगकर्ता रिवॉर्ड फंक्शन को तेजी से और मजबूती से अनुमानित करने में सक्षम बनाया जा सके।
यह शोध पत्र यह प्रदर्शित करता है कि डिफ्यूजन मॉडल कम-आयामी व्यवहार्य क्षेत्रों (low-dimensional feasible regions) से नमूने लेने में अपनी अक्षमता के कारण मौलिक रूप से बाधित जनरेशन कार्यों (constrained generation tasks) के साथ संघर्ष करते हैं, और सख्त ज्यामितीय एवं भौतिक बाधाओं को पूरा करने के लिए सुदृढीकरण शिक्षण (reinforcement learning) और मोंटे कार्लो ट्री सर्च (Monte Carlo tree search) द्वारा संवर्धित एक अनुक्रमिक ऑटो-रिग्रेसिव दृष्टिकोण को एक अधिक प्रभावी विकल्प के रूप में प्रस्तावित करता है।
यह शोध पत्र FOAM को प्रस्तुत करता है, जो एक मेमोरी-कुशल ऑप्टिमाइज़र है जो रेसिडुअल करेक्शन के साथ ब्लॉक-वाइज ग्रेडिएंट मीन्स के माध्यम से ऑप्टिमाइज़र स्टेट्स को कंप्रेस करता है, जिससे वैनिला एडम (Adam) के समकक्ष कन्वर्जेंस रेट प्राप्त होता है और प्रदर्शन में गिरावट के बिना ऑप्टिमाइज़र मेमोरी ओवरहेड को 90% तक कम करने के साथ-साथ प्रशिक्षण को तेज़ करता है।