21594 पेपर
riverONE एक हल्का, 1.9-बिलियन-पैरामीटर वाला विज़न-लैंग्वेज मॉडल है जो प्रशिक्षण के दौरान विशेष पैरामीटर उत्पन्न करने के लिए सिम्युलेटेड क्वांटम कंप्यूटेशन का लाभ उठाता है, जिससे यह शास्त्रीय हार्डवेयर पर पूरी तरह से चलते हुए भी वैज्ञानिक अंशांकन (कैलिब्रेशन) कार्यों पर बड़े क्वांटम-कैलिब्रेटेड मॉडलों के 95% से अधिक प्रदर्शन को प्राप्त करने में सक्षम होता है।
यह शोधपत्र एक फेथफुल वॉर्म-स्टार्ट (FWS) रणनीति प्रस्तावित करता है जो विजन-लैंग्वेज मॉडल्स में सुदृढीकरण लर्निंग (reinforcement learning) को स्थिर करने और लैंग्वेज-प्रायर एक्सप्लॉइटेशन (language-prior exploitation) को रोकने के लिए विजुअली ग्राउंडेड रीजनिंग ट्रेसेस के एक डेटासेट को क्यूरेट और शुद्ध करता है।
AlgoSkill एल्गोरिदम डिज़ाइन को एक सत्यापन-निर्देशित क्रमिक निर्णय लेने वाले कार्य के रूप में मॉडल करके इसे बेहतर बनाता है, जहाँ एक सीखा हुआ शेड्यूलर मोंटे कार्लो ट्री सर्च फ्रेमवर्क के भीतर मानव-समान कौशलों की एक टाइप की गई लाइब्रेरी को व्यवस्थित करता है ताकि प्रत्यक्ष पीढ़ी और सामान्य परिशोधन विधियों से बेहतर प्रदर्शन किया जा सके।
यह शोध पत्र T3R का प्रस्ताव करता है, जो ग्राफ न्यूरल नेटवर्क के लिए एक नवीन टेस्ट-टाइम अडैप्टेशन विधि है जो स्व-पर्यवेक्षित संकेतों (self-supervised signals) को पुनरorient करने के लिए रोटोग्राड मैट्रिसेस (Rotograd matrices) और ग्रेडिएंट रोटेशन का उपयोग करती है, जिससे अनलेबल टेस्ट डेटा पर गहरे, पूर्ण-आर्किटेक्चर अनुकूलन को सक्षम बनाया जा सके और वितरण बदलावों (distribution shifts) के तहत प्रदर्शन में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र MuseBench को प्रस्तुत करता है, जो विविध दृश्य-श्रव्य कलाओं में 4,000 से अधिक विशेषज्ञ-सत्यापित प्रश्नों वाला एक व्यापक बेंचमार्क है, जिसे मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स की इरादा-स्तर (intent-level) की तर्क क्षमताओं का मूल्यांकन करने के लिए डिज़ाइन किया गया है और जो रचनात्मक कलात्मक इरादे को समझने में वर्तमान एआई प्रणालियों और मानव विशेषज्ञों के बीच प्रदर्शन के एक महत्वपूर्ण अंतर को प्रकट करता है।
यह अध्ययन प्रदर्शित करता है कि रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) सिस्टम में एकीकृत छोटे भाषा मॉडल, GPU हार्डवेयर के बिना ऑन-डिवाइस प्रभावी ढंग से कार्य कर सकते हैं, जो विविध डोमेन में उचित निष्पादन समय प्राप्त करते हैं।
यह शोध पत्र न्यूरल सबस्पेस रीएलोकेशन (NSR) को प्रस्तुत करता है, जो एक निरंतर सीखने (continual learning) का ढांचा है जो LoRA मॉड्यूल को एक फ्रीज्ड बैकबोन पर संपीड़ित (compressible), प्रतिग्रहित (retrievable) मेमोरी यूनिट के रूप में मानता है, और यह प्रदर्शित करता है कि टास्कनॉलेजबैंक (TaskKnowledgeBank) से सरल समानता-आधारित रिट्रीवल, भूलने की प्रक्रिया (forgetting) को कम करने और कार्य रिकवरी को तेज करने के साथ-साथ न्यूनतम मेमोरी फुटप्रिंट बनाए रखते हुए जटिल सीखे गए एलोकेशन पॉलिसियों की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र एजेंट-चेन्ड पॉलिसी ऑप्टिमाइज़ेशन (ACPO) को प्रस्तुत करता है, जो एक मल्टी-एजेंट रीइन्फोर्समेंट लर्निंग पद्धति है जो समवर्ती निर्णयों को विश्वासों (beliefs) पर आधारित एजेंट क्रियाओं की एक क्रमिक श्रृंखला के रूप में मॉडल करके संयुक्त नीति ग्रेडिएंट (joint policy gradient) के सटीक विकेंद्रीकृत अपघटन (exact decentralized decomposition) को प्राप्त करती है, जिससे स्वतंत्र एक्टर प्रशिक्षण सक्षम होता है जो सामूहिक रूप से संयुक्त सुधार की गारंटी देता है और मौजूदा बेसलाइनों से बेहतर प्रदर्शन करता है, विशेष रूप से बड़े पैमाने के सहकारी कार्यों में।
यह शोध पत्र GAIA को प्रस्तुत करता है, जो एक नवीन फ्रेमवर्क है जो ग्लोबल यूटिलिटी मैनिफोल्ड्स को मॉडल करने के लिए गॉसियन प्रोसेसेज का लाभ उठाता है और गतिशील डेटा चयन के लिए एक फिक्स्ड-शेयर हेज रणनीति का उपयोग करता है, जो गैर-स्थिर डेटा गुणवत्ता के प्रति मजबूती से अनुकूलित होकर इंस्ट्रक्शन ट्यूनिंग में मौजूदा बैच-प्रतिबंधित विधियों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र EEG फाउंडेशन मॉडल्स के भीतर लीनियर, कन्वोल्यूशनल और फ्रोजन प्रीट्रेन टाइम-सीरीज (MOMENT) फीचर एक्सट्रैक्टर्स का एक नियंत्रित तुलनात्मक अध्ययन करता है, जिसमें यह पाया गया है कि जबकि मोटर इमेजरी कार्यों के लिए सरल टेम्पोरल रिप्रजेंटेशन पर्याप्त हैं, समृद्ध मॉडलिंग इमोशन रिकग्निशन को लाभान्वित करती है और यह प्रदर्शित करती है कि सामान्य-उद्देश्य वाले प्रीट्रेन टाइम-सीरीज मॉडल्स को EEG अनुप्रयोगों के लिए फ्रोजन एक्सट्रैक्टर्स के रूप में प्रभावी ढंग से स्थानांतरित किया जा सकता है।