21916 पेपर
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।
यह शोध पत्र फिजिक्स-एंकरड सर्टिफिकेशन (PHACT) प्रस्तुत करता है, जो एक प्रोपोज़-सर्टिफाई फ्रेमवर्क है जो भाषा मॉडल के बजाय एक नियतात्मक इंजन (deterministic engine) को अधिकार सौंपकर विश्वसनीय भौतिक डिजाइनों को सुनिश्चित करता है, जिससे अस्सी प्रतिकूल परीक्षणों में शून्य गलत प्रमाणन प्राप्त हुआ।
यह शोध पत्र एक व्यवस्थित खोज प्रक्रिया के माध्यम से एम्बॉडीड एजेंट आर्किटेक्चर (embodied agent architectures) के डिज़ाइन को स्वचालित करने के लिए AgentCanvas और KDLoop को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि हालांकि आर्किटेक्चर-स्तरीय खोज से दिशात्मक प्रदर्शन लाभ प्राप्त हो सकते हैं, लेकिन इसे रोलआउट शोर (rollout noise) द्वारा अनुकूलन संकेतों (optimization signals) को छिपाने और एपिसोड-स्तरीय क्रेडिट असाइनमेंट (episode-level credit assignment) की कठिनाइयों जैसी महत्वपूर्ण चुनौतियों का सामना करना पड़ता है।
यह शोध पत्र एक हाइपर-नेटवर्क-आधारित ढांचे को प्रस्तुत करता है जो रैखिक स्पेक्ट्रल संरेखण (linear spectral alignment) की सीमाओं को दूर करने के लिए एक अनसुपरवाइज्ड (unsupervised) तरीके से नॉन-लीनियर न्यूरल फंक्शनल मैप्स को सीखता है, जिससे आंशिकता (partiality) और टोपोलॉजिकल शोर (topological noise) जैसी चुनौतीपूर्ण स्थितियों में 3D शेप मैचिंग में मजबूती और सटीकता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र स्पेनिश जैसी लिंग-निर्धारित भाषाओं के लिए कॉन्टेक्स्टुअल एम्बेडिंग्स (contextual embeddings) में व्याकरणिक लिंग को सिमेंटिक बायस (semantic bias) से अलग करने के लिए एक नवीन ढांचे का प्रस्ताव करता है, जो यह प्रदर्शित करता है कि अनवेटेड कंट्रोल्ड कॉन्टेक्स्ट्स (unweighted controlled contexts) और सेंट्रॉइड एस्टिमेटर्स (centroid estimators) का संयोजन सिमेंटिक विशिष्टताओं को संरक्षित करते हुए व्याकरणिक लिंग दिशाओं को प्रभावी ढंग से अलग करता है।
यह शोधपत्र एक ऐसे फेडरेटेड लर्निंग फ्रेमवर्क का प्रस्ताव करता है जो व्यक्तिगत विश्वसनीयता और क्लाइंट-बीच की अंतःक्रियाओं (inter-client interactions) दोनों को मॉडल करके क्लाइंट एग्रीगेशन वेट्स को गतिशील रूप से अनुकूलित करने के लिए कंडीशनल रैंडम फील्ड्स का उपयोग करता है, जिससे नॉन-आईआईडी (non-IID) डेटा विषमता के तहत ग्लोबल मॉडल कन्वर्जेंस में सुधार होता है।