22650 पेपर
यह शोध पत्र यह प्रदर्शित करते हुए वितरण बदलाव (distribution shift) और एआई सुरक्षा (AI safety) के बीच एक एकीकृत ढांचा स्थापित करता है कि विशिष्ट बदलाव प्रकारों को संबोधित करने वाली विधियाँ संगत सुरक्षा लक्ष्यों को प्राप्त कर सकती हैं, या इन दोनों क्षेत्रों को एक-दूसरे में औपचारिक रूप से परिवर्तित किया जा सकता है ताकि पारस्परिक पद्धतिगत अनुकूलन सक्षम हो सके।
यह शोध पत्र स्कैनिंग टनलिंग माइक्रोस्कोपी (STM) छवियों को सेगमेंट करने के लिए एक स्वचालित, लचीले दृष्टिकोण का प्रस्ताव करता है जो लेबल किए गए डेटा की कमी को दूर करने के लिए फ्यू-शॉट (few-shot) और अनसुपरवाइज्ड लर्निंग को जोड़ता है, जिससे न्यूनतम मैनुअल एनोटेशन के साथ विविध सतहों पर उच्च-सटीक दोष वर्गीकरण सक्षम होता है।
यह शोध पत्र यह प्रदर्शित करता है कि घने संकेतों (dense signals) को कंप्रेस करने के लिए, इंटरपोलेशन के साथ सरल नियमित ग्रिड अक्सर प्रशिक्षण गति और गुणवत्ता दोनों में इम्प्लिसिट न्यूरल रिप्रेजेंटेशन्स (INRs) से बेहतर प्रदर्शन करते हैं, जबकि बाइनरी शेप फिटिंग जैसे विशिष्ट क्षेत्रों की पहचान भी करते हैं जहाँ INRs अभी भी फायदेमंद बने हुए हैं।
यह शोध पत्र इस धारणा को चुनौती देता है कि व्यक्तिगत प्रदर्शन के लिए विशेषज्ञ मॉडलों को अनुकूलित करना डाउनस्ट्रीम मॉडल मर्जिंग (model merging) को लाभान्वित करता है, बल्कि यह प्रदर्शित करता है कि ओवरट्रेनिंग से रटने (memorization) और नकारात्मक पैरामीटर हस्तक्षेप (negative parameter interference) की स्थिति उत्पन्न होती है जो मर्ज किए गए प्रदर्शन को कम कर देती है, एक ऐसी समस्या जिसे कार्य-निर्भर अर्ली स्टॉपिंग (task-dependent early stopping) द्वारा प्रभावी ढंग से कम किया जा सकता है।
यह शोध पत्र MEAL को प्रस्तुत करता है, जो निरंतर मल्टी-एजेंट सुदृढीकरण सीखने (continual multi-agent reinforcement learning) के लिए पहला बेंचमार्क है, जो 100 कार्यों के लंबे अनुक्रमों पर कुशलतापूर्वक प्रशिक्षित करने के लिए JAX और GPU त्वरण का लाभ उठाता है, जिससे उन विफलता मोड का अनावरण होता है जो छोटे, पारंपरिक अध्ययनों में अदृश्य रहते हैं।
यह शोध पत्र एक परिनियोजन-उन्मुख ढांचे का प्रस्ताव करता है जो क्रॉस-डोमेन मोडैलिटी इम्प्यूटेशन के माध्यम से उच्च-सटीकता वाले स्रोत डोमेनों से ज्ञान का लाभ उठाकर वास्तविक दुनिया के थकान पता लगाने की प्रक्रिया को बढ़ाता है, जो प्रभावी रूप से व्यावहारिक सेटिंग्स में शोर वाले या अपूर्ण सेंसर डेटा की सीमाओं को दूर करता है।
यह अध्ययन प्रदर्शित करता है कि निम्न-गुणवत्ता वाले 2D इकोकार्डियोग्राम पर डीप लर्निंग-आधारित सुपर-रिज़ॉल्यूशन तकनीकों, विशेष रूप से SRResNet को लागू करने से व्यू (view) और कार्डिएक फेज़ (cardiac phase) कार्यों के लिए वर्गीकरण सटीकता में महत्वपूर्ण सुधार होता है, जिससे नैदानिक मूल्य की पुनर्प्राप्ति होती है और संसाधन-सीमित परिवेशों में प्रभावी AI-सहायता प्राप्त देखभाल सक्षम होती है।
यह शोध पत्र SODA को प्रस्तुत करता है, जो टेक्स्ट-टू-इमेज मॉडल्स के ऑब्जेक्ट जनरेशन में जनसांख्यिकीय पूर्वाग्रह (demographic bias) के ऑडिटिंग के लिए एक नया फ्रेमवर्क है, जो यह प्रकट करता है कि तटस्थ प्रॉम्प्ट (neutral prompts) स्पष्ट रूप से मध्यम आयु वर्ग के श्वेत जनसांख्यिकी का पक्ष लेते हैं जबकि जनसांख्यिकीय संकेत (demographic cues) अत्यधिक रूढ़िवादिता को ट्रिगर करते हैं और वर्तमान डिबायसिंग तकनीकें अक्सर केवल एक रूढ़िवादिता को दूसरी से बदल देती हैं।
यह शोध पत्र कम लागत वाले सरोगेट बेंचमार्क पेश करता है जो निर्मित मॉडलों का उपयोग करके हाइपरपैरामीटर से मर्ज किए गए मॉडल के प्रदर्शन की भविष्यवाणी करते हैं, जिससे पूर्ण-स्तरीय प्रयोगों के बिना मॉडल मर्जिंग के लिए हाइपरपैरामीटर अनुकूलन एल्गोरिदम के कुशल विकास और तुलना को सक्षम बनाया जा सके।
यह शोध पत्र RoboSSM को प्रस्तुत करता है, जो एक स्केलेबल इन-कॉन्टेक्स्ट इमिटेशन लर्निंग फ्रेमवर्क है जो LIBERO बेंचमार्क के भीतर लॉन्ग-होराइजन और अनदेखे कार्यों पर लीनियर-टाइम इन्फरेंस और बेहतर सामान्यीकरण प्राप्त करने के लिए ट्रांसफॉर्मर्स को Longhorn स्टेट-स्पेस मॉडल से बदल देता है।