25186 पेपर
CoMemNet एक ड्यूल-ब्रांच कंटीन्यूअल लर्निंग फ्रेमवर्क है जो विकसित होते ट्रैफिक पैटर्न को प्रभावी ढंग से कैप्चर करने और कैटास्ट्रोफिक फॉरगेटिंग को कम करने के लिए मोमेंटम-अपडेटेड टारगेट ब्रांच को डायनेमिक कॉन्ट्रास्टिव सैंपलर और एक लाइटवेट टेम्पोरल मेमोरी बफर के साथ जोड़ता है, जिससे बड़े पैमाने के वास्तविक दुनिया के डेटासेट्स पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र HyperLens प्रस्तुत करता है, जो एक उच्च-रिज़ॉल्यूशन प्रोब है जो सूक्ष्म-स्तरीय कॉन्फिडेंस ट्रैजेक्टरीज़ (confidence trajectories) को ट्रेस करने के लिए ट्रांसफॉर्मर लेयर्स में अंतर्निहित आवर्धन तंत्र (magnification mechanism) का लाभ उठाता है, जिससे कार्य की जटिलता को अलग करने के लिए संज्ञानात्मक प्रयास (cognitive effort) को मापा जा सके और मानक सुपरवाइज्ड फाइन-ट्यूनिंग (Supervised Fine-Tuning) के कारण होने वाले प्रदर्शन ह्रास का निदान किया जा सके।
यह शोध पत्र सामान्यीकृत रैखिक बैंडिट्स (generalized linear bandits) में फिक्स्ड-कॉन्फिडेंस बेस्ट आर्म आइडेंटिफिकेशन के लिए एक हाइब्रिड ट्रैक-एंड-स्टॉप एल्गोरिदम प्रस्तावित करता है जो लाइकलीहुड-रेशियो कॉन्फिडेंस सीक्वेंस के माध्यम से पूर्ण और सापेक्ष फीडबैक को एकीकृत करता है, जिससे बेहतर सैंपल दक्षता और लागत-जागरूक अनुकूलनशीलता प्राप्त होती है।
यह शोध पत्र एक अनिश्चितता-जागरूक (uncertainty-aware) जनरेटिव फ्रेमवर्क प्रस्तुत करता है जो पारगम्य चक्रीय पेप्टाइड्स (permeable cyclic peptides) के डिजाइन की विश्वसनीयता और दक्षता को बढ़ाने के लिए कॉन्फॉर्मल प्रेडिक्शन को सुदृढीकरण लर्निंग (reinforcement learning) के साथ एकीकृत करता है, ताकि यह सुनिश्चित किया जा सके कि उत्पन्न अणु भविष्य कहनेवाला मॉडल (predictive model) के अनुप्रयोग के क्षेत्र (domain of applicability) के भीतर ही रहें।
यह शोध पत्र UNO का प्रस्ताव करता है, जो एक हल्का पोस्ट-ट्रेनिंग फ्रेमवर्क है जो यूनिफाइड मल्टीमॉडल मॉडल्स में विलगित घटकों के बीच तालमेल को स्पष्ट रूप से बहाल करने के लिए कैप्शनिंग और विजुअल रिग्रेशन जैसे अंडरस्टैंडिंग टास्क को सुपरवाइजरी सिग्नल्स के रूप में उपयोग करता है, जिससे उनकी इमेज जनरेशन और एडिटिंग क्षमताओं में महत्वपूर्ण सुधार होता है।
यह शोध पत्र MoLS को प्रस्तुत करता है, जो बड़े भाषा मॉडलों (large language models) में ग्रेडिएंट शोर असंतुलन (gradient noise imbalance) को संबोधित करने के लिए मॉड्यूल-स्तरीय सिग्नल-टू-नॉइज़ अनुपात (module-level signal-to-noise ratios) का अनुमान लगाकर एडम ऑप्टिमाइज़र (Adam optimizer) को स्वचालित रूप से कैलिब्रेट करने की एक विधि है, जिससे बिना किसी मैनुअल ट्यूनिंग के अभिसरण गति (convergence speed) और सामान्यीकरण (generalization) में सुधार होता है।
यह शोध पत्र लॉन्ग-होरिज़न Q-लर्निंग (LQL) प्रस्तुत करता है, जो एक ऐसी विधि है जो हिंज लॉस के माध्यम से n-स्टेप ऑप्टिमैलिटी असमानताओं के उल्लंघन को दंडित करके ऑफ-पॉलिसी वैल्यू लर्निंग को स्थिर करती है, जिससे संचयी बूटस्ट्रैपिंग त्रुटियों को कम किया जा सके और बिना किसी अतिरिक्त कम्प्यूटेशनल ओवरहेड के मानक TD दृष्टिकोणों से बेहतर प्रदर्शन किया जा सके।
यह शोध पत्र LeakDojo पेश करता है, जो RAG लीकेज जोखिमों के व्यवस्थित मूल्यांकन के लिए एक कॉन्फ़िगर करने योग्य ढांचा है, जो यह प्रकट करता है कि लीकेज क्वेरी जनरेशन और एडवर्सरियल इंस्ट्रक्शंस के गुणनफल से प्रेरित होता है, मजबूत इंस्ट्रक्शन-फॉलोइंग क्षमताओं के साथ सहसंबंध रखता है, और विरोधाभासी रूप से RAG फेथफुलनेस (faithfulness) में सुधार के साथ बढ़ सकता है।
यह शोध पत्र AirQualityBench को प्रस्तुत करता है, जो एक वैश्विक बहु-प्रदूषक बेंचमार्क है जो असमान कवरेज और संरचित अनुपलब्धता की वास्तविक स्थितियों के तहत वायु-गुणवत्ता पूर्वानुमान मॉडलों का मूल्यांकन करता है, जिससे यह पता चलता है कि स्वच्छ डेटासेट पर मजबूत प्रदर्शन विश्वसनीय रूप से खंडित, वास्तविक दुनिया के निगरानी प्रवाहों में स्थानांतरित नहीं होता है।
यह शोध पत्र एक पांच-इंजन जोखिम बुद्धिमत्ता वास्तुकला का प्रस्ताव करता है जो विषम 'इंटरनेट ऑफ वैल्यू' के लिए पूर्वानुमान, विकेंद्रीकृत सत्यापन, भावना संलयन (sentiment fusion), एजेंटिक बाधाओं और परिदृश्य नियोजन को एकीकृत करता है, और अनुभवजन्य तनाव-प्रतिक्रिया प्रयोगों तथा औपचारिक, असत्यता-सिद्ध करने योग्य हानि अपघटन के माध्यम से इसकी तैनाती की वैधता को प्रमाणित करता है।