22557 पेपर
यह शोध पत्र नीडलचेन (NeedleChain) का परिचय देता है, जो एक कठोर बेंचमार्क है यह प्रदर्शित करता है कि वर्तमान एलएलएम (LLMs) संक्षिप्त, पूर्णतः प्रासंगिक संदर्भों को एकीकृत करने में संघर्ष करते हैं, और पूर्ण-संदर्भ समझ में सुधार के लिए एक प्रशिक्षण-मुक्त 'रोप कॉन्ट्रैक्शन' (ROPE contraction) रणनीति प्रस्तावित करता है।
प्रोमेड (ProMed) एक सुदृढीकरण अधिगम (reinforcement learning) ढांचा है जो चिकित्सा संबंधी लार्ज लैंग्वेज मॉडल्स को एक सक्रिय प्रश्न पूछने वाले प्रतिमान (proactive questioning paradigm) से सुसज्जित करता है, जिसमें नैदानिक रूप से मूल्यवान जानकारी एकत्र करने को प्राथमिकता देने के लिए 'शैप्ली इंफॉर्मेशन गेन' (Shapley Information Gain) रिवॉर्ड का उपयोग किया जाता है, जो नैदानिक सटीकता और सामान्यीकरण में मौजूदा प्रतिक्रियात्मक विधियों की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र FOCUS को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free) और आर्किटेक्चर-अज्ञेय (architecture-agnostic) विधि है जो आंशिक रूप से मास्क किए गए इनपुट्स से लॉजिट्स (logits) को एकत्रित करके और उन्हें केवल शोर-आधारित संदर्भों (noise-only references) के साथ परिष्कृत करके लार्ज विजन-लैंग्वेज मॉडल्स में क्रॉस-इमेज सूचना रिसाव को कम करती है, जिससे मल्टी-इमेज और वीडियो समझ के कार्यों में प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र इकोलॉजिकली रेशनल मेटा-लर्नड इन्फरेंस (ERMI) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो प्राकृतिक कार्यों को उत्पन्न करने के लिए लार्ज लैंग्वेज मॉडल्स और अनुकूलन योग्य एल्गोरिदम प्राप्त करने के लिए मेटा-लर्निंग का लाभ उठाता है, और विविध प्रयोगों में मानव शिक्षण और निर्णय लेने की प्रक्रिया को सफलतापूर्वक समझाते हुए यह प्रदर्शित करता है कि संज्ञान वास्तविक दुनिया के वातावरण की सांख्यिकीय संरचना के साथ एक इष्टतम संरेखण को दर्शाता है।
यह शोध पत्र एक नवीन अनसुपरवाइज्ड ग्राफ अलाइनमेंट फ्रेमवर्क प्रस्तावित करता है जो उच्च-आवृत्ति विभेद्यता (high-frequency discriminability) को इंजेक्ट करने के लिए एक ड्यूल-पास एनकोडर को एक ज्योमेट्री-अवेयर फंक्शनल मैप मॉड्यूल के साथ जोड़ता है ताकि लेटेंट स्पेस को अलाइन किया जा सके, जो ओवरस्मूथिंग और स्ट्रक्चरल नॉइज़ की सीमाओं को प्रभावी ढंग से दूर करते हुए बेहतर सुदृढ़ता और सटीकता प्राप्त करता है।
यह शोध पत्र अटेंशन स्कोर की फीचर एट्रिब्यूशन सैलिएंसी मैप्स के साथ तुलना करके स्पीच-टू-टेक्स्ट मॉडल्स में क्रॉस-अटेंशन की व्याख्यात्मक शक्ति का मूल्यांकन करता है, जिससे यह पता चलता है कि हालांकि वे मध्यम से मजबूत संरेखण दिखाते हैं, लेकिन क्रॉस-अटेंशन इनपुट प्रासंगिकता का केवल लगभग आधा हिस्सा ही कैप्चर करता है और इस प्रकार मॉडल भविष्यवाणियों को संचालित करने वाले कारकों का एक अधूरा दृश्य प्रस्तुत करता है।
यह शोध पत्र QAMO का प्रस्ताव करता है, जो एक गुणवत्ता-जागरूक मल्टी-सेंट्रॉइड वन-क्लास लर्निंग फ्रेमवर्क है जो विशिष्ट गुणवत्ता उप-स्थानों (quality subspaces) में बोना फाइड स्पीच (bona fide speech) को मॉडल करके स्पीच डीपफेक डिटेक्शन को बेहतर बनाता है, और इन-द-वाइल्ड डेटासेट्स पर 5.09% इक्वल एरर रेट के साथ उत्कृष्ट प्रदर्शन प्राप्त करता है।
यह शोध पत्र मूल और संवर्धित (augmented) स्पीच इनपुट के बीच विरोधाभासी पैरामीटर अपडेट को हल करने के लिए ग्रेडिएंट अलाइनमेंट के साथ एक डुअल-पाथ डेटा-ऑगमेंटेड ट्रेनिंग फ्रेमवर्क प्रस्तावित करता है, जिससे अभिसरण (convergence) में तेजी आती है और स्पीच डीपफेक डिटेक्शन में मजबूती (robustness) में महत्वपूर्ण सुधार होता है।
यह शोध पत्र OFMU को प्रस्तुत करता है, जो एक पेनल्टी-आधारित द्वि-स्तरीय अनुकूलन ढांचा (bi-level optimization framework) है, जो समानता-जागरूक दंड (similarity-aware penalty) के माध्यम से डेटा विस्मरण (data forgetting) को स्पष्ट रूप से प्राथमिकता देकर और रिटेंड डेटा पर मॉडल प्रदर्शन को बनाए रखते हुए, मौजूदा मशीन अनलर्निंग विधियों की अस्थिरता और उपयोगिता क्षरण को हल करता है, जिससे विजन और लैंग्वेज बेंचमार्क में श्रेष्ठ प्रभावकारिता और अभिसरण गारंटी प्राप्त होती है।
HERMAN एक नवीन Class-Incremental Learning फ्रेमवर्क है जो CLIP के लिए, LLMs का उपयोग करके पदानुक्रमित (hierarchical) टेक्स्ट विवरण उत्पन्न करने और उन्हें बहु-स्तरीय दृश्य निरूपणों (multi-level visual representations) के साथ अनुकूल रूप से मिलाने के लिए किया जाता है, जिससे सूक्ष्म अंतरों को बेहतर ढंग से पकड़ने और कैटास्ट्रोफिक फॉरगेटिंग (catastrophic forgetting) को कम करने द्वारा अत्याधुनिक प्रदर्शन प्राप्त होता है।