24509 पेपर
प्रिस्मेटिक वर्ल्ड मॉडल (PRISM-WM), हाइब्रिड रोबोटिक सिस्टम में मोनोलिथिक लेटेंट वर्ल्ड मॉडल्स की सीमाओं को संबोधित करने के लिए, जटिल डायनेमिक्स को कंपोजेबल प्रिमिटिव्स में विघटित करने हेतु लेटेंट ऑर्थोगोनलाइजेशन के साथ एक कॉन्टेक्स्ट-अवेयर मिक्सचर-ऑफ-एक्सपर्ट्स आर्किटेक्चर का उपयोग करता है, जिससे रोलआउट ड्रिफ्ट कम होता है और विश्वसनीय लॉन्ग-होरिजन प्लानिंग सक्षम होती है।
यह शोध पत्र सेल्फ-कंसिस्टेंट स्टोकेस्टिक इंटरपुलेंट (SCSI) को प्रस्तुत करता है, जो एक गणनात्मक रूप से कुशल और सैद्धांतिक रूप से सुदृढ़ विधि है जो केवल भ्रष्टाचार चैनल (corruption channel) तक ब्लैक-बॉक्स पहुंच का उपयोग करके, एक ट्रांसपोर्ट मैप को पुनरावृत्ति से सीखकर, दूषित अवलोकनों से स्वच्छ डेटा के लिए मॉडल उत्पन्न करती है।
यह अध्ययन प्रदर्शित करता है कि एक वास्तविक समय में एआई-सुविधा प्राप्त मल्टीमॉडल फीडबैक सिस्टम पारंपरिक शिक्षक फीडबैक के समकक्ष शिक्षण परिणाम प्राप्त करता है और साथ ही स्पष्टता, प्रेरणा एवं संतुष्टि के प्रति छात्रों के दृष्टिकोण को महत्वपूर्ण रूप से बढ़ाता है तथा संज्ञानात्मक भार को कम करता है।
यह शोध पत्र पूर्व सांख्यिकीय अंशांकन (prior statistical calibration) के बिना सामान्य मैट्रिक्स गुणन के लिए क्वांटाइजेशन दर और विरूपण (distortion) के बीच मौलिक सूचना-सैद्धांतिक ट्रेड-ऑफ की जांच करता है, साथ ही absmax INT और फ्लोटिंग-पॉइंट जैसे लोकप्रिय क्वांटाइजेशन स्कीम्स के लिए अनुमानित सन्निकटन (heuristic approximations) का विश्लेषण और व्युत्पत्ति भी करता है।
यह शोध पत्र PolySHAP प्रस्तुत करता है, जो फीचर इंटरैक्शन को बेहतर ढंग से कैप्चर करने के लिए उच्च-डिग्री बहुपद प्रतिगमन (higher-degree polynomial regression) का उपयोग करके KernelSHAP का विस्तार करता है, साथ ही यह पहला सैद्धांतिक प्रमाण भी प्रदान करता है कि पेयर्ड सैंपलिंग (paired sampling), सेकंड-ऑर्डर PolySHAP के समकक्ष है, जिससे इसकी अनुभवजन्य सफलता को न्यायसंगत ठहराया जा सके।
यह शोध पत्र फ्लो मैचिंग में क्लासिफायर-फ्री गाइडेंस को बेहतर बनाने के लिए एक प्रशिक्षण-मुक्त विधि प्रस्तावित करता है, जो इसे मैनिफोल्ड बाधाओं के साथ एक होमोटोपी अनुकूलन समस्या के रूप में पुनर्व्याख्यायित करके प्राप्त करता है, जिसे बड़े पैमाने के मॉडलों में जनरेशन फिडेलिटी, प्रॉम्प्ट अलाइनमेंट और मजबूती बढ़ाने के लिए इंक्रीमेंटल ग्रेडिएंट डिसेंट और एंडरसन एक्सीलरेशन के माध्यम से कुशलतापूर्वक हल किया जाता है।
यह शोध पत्र प्रदर्शित करता है कि भाषा मॉडलों में घोषित-प्रकट वरीयता (stated-revealed preference) का अंतर उद्घोषणा प्रोटोकॉल (elicitation protocols) पर अत्यधिक निर्भर है, जो यह दर्शाता है कि जबकि घोषित वरीयताओं में तटस्थता की अनुमति देने से मजबूर-विकल्प (forced-choice) प्रकट वरीयताओं के साथ सहसंबंध में सुधार होता है, वहीं प्रकट वरीयताओं में परित्याग (abstention) को शामिल करना या सिस्टम प्रॉम्प्ट स्टीयरिंग का उपयोग करना इस बेमेल को विश्वसनीय रूप से हल करने में विफल रहता है।
यह शोध पत्र दो-परत वाले कोलमोगोरोव-आर्नोल्ड नेटवर्क पर ग्रेडिएंट डिसेंट के अनुकूलन (optimization), सामान्यीकरण (generalization) और विभेदक गोपनीयता (differential privacy) के लिए सैद्धांतिक सीमाएँ स्थापित करता है, जो यह प्रदर्शित करता है कि कुशल गैर-निजी प्रशिक्षण के लिए पॉलीलॉगैरिद्मिक नेटवर्क चौड़ाई पर्याप्त है, लेकिन गोपनीयता संबंधी बाधाओं के तहत यह आवश्यक हो जाती है, जिससे निजी और गैर-निजी व्यवस्थाओं के बीच एक गुणात्मक अंतर का पता चलता है।
यह शोधपत्र RAG-GNN को प्रस्तुत करता है, जो एक अभिनव ढांचा है जो कैंसर सिग्नलिंग विश्लेषण में कार्यात्मक क्लस्टरिंग और सटीकता को महत्वपूर्ण रूप से बढ़ाने के लिए डायनेमिक रूप से प्राप्त बायोमेडिकल साहित्य को ग्राफ न्यूरल नेटवर्क के साथ एकीकृत करता है, यह प्रदर्शित करते हुए कि संरचनात्मक टोपोलॉजी को सिमेंटिक ज्ञान के साथ जोड़ना केवल टोपोलॉजी-आधारित दृष्टिकोणों की तुलना में बेहतर प्रदर्शन करता है।
यह शोध पत्र स्ट्रक्चर्ड रेसिडुअल रिकंस्ट्रक्शन (SRR) का प्रस्ताव करता है, जो एक रैंक-एलोकेशन फ्रेमवर्क है जो क्वांटाइजेशन से पहले वेट्स के टॉप- सिंगुलर सबस्पेस को सुरक्षित रखता है और शेष रैंक का उपयोग त्रुटि पुनर्निर्माण (error reconstruction) के लिए करता है, जिससे पोस्ट-ट्रेनिंग क्वांटाइजेशन में क्वांटाइजेशन त्रुटि कम होती है और क्वांटाइज्ड पैरामीटर-एफिशिएंट फाइन-ट्यूनिंग प्रदर्शन में वृद्धि होती है।