22856 पेपर
यह शोध पत्र DiverseDistill का प्रस्ताव करता है, जो एक संवादात्मक डिस्टिलेशन फ्रेमवर्क है जो विविध फाउंडेशन मॉडल्स और डोमेन विशेषज्ञों के आउटपुट्स को एक कॉम्पैक्ट स्टूडेंट मॉडल में प्रभावी ढंग से संरेखित करने के लिए एक सीखने योग्य प्रश्न-उत्तर तंत्र का लाभ उठाता है, जिससे बिना किसी टीचर को-ऑप्टिमाइज़ेशन की आवश्यकता के या इन्फरेंस ओवरहेड के बिना बेहतर प्रदर्शन रिकवरी प्राप्त होती है।
जर्मन भाषी स्विट्जरलैंड में एक पूर्व-पंजीकृत सर्वेक्षण प्रयोग यह प्रकट करता है कि जबकि पाठक एआई-जनित और मानव-लिखित समाचारों को गुणवत्ता में तुलनीय मानते हैं, एआई की भागीदारी का खुलासा करना विशिष्ट लेखों के साथ तत्काल जुड़ाव को अस्थायी रूप से बढ़ाता है, बिना एआई-जनित समाचार पढ़ने के दीर्घकालिक इरादों को बदले।
यह शोध पत्र एक स्केलेबल बैच बेयसियन ऑप्टिमाइज़ेशन विधि प्रस्तावित करता है जो अक्ष-संरेखित उप-स्थानों (axis-aligned subspaces) से बिंदुओं का चयन करके बड़े बैच आकारों के लिए अभिसरण दक्षता (convergence efficiency) में सुधार करता है, जो मौजूदा एल्गोरिदम के विरुद्ध प्रतिस्पर्धी प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र एक पुनरुत्पादक मशीन लर्निंग फ्रेमवर्क प्रस्तुत करता है जो डेटा अंतराल को संबोधित करता है और प्रमुख अर्थव्यवस्थाओं के लिए 1970 से एक व्यापक, दीर्घकालिक 'ग्लोबल ईज़ ऑफ़ लिविंग इंडेक्स' (जीवन सुगमता सूचकांक) के निर्माण हेतु आयामी न्यूनीकरण (डाइमेंशनलिटी रिडक्शन) का उपयोग करता है, जिससे नीति निर्माताओं को प्रमुख सामाजिक-आर्थिक और ढांचागत क्षेत्रों की पहचान करने और उनमें सुधार करने के लिए एक पारदर्शी उपकरण प्राप्त होता है।
यह शोध पत्र एक नवीन ज़ीरोथ-ऑर्डर फेडरेटेड लर्निंग पद्धति प्रस्तावित करता है जो मॉडलों को ब्लॉक्स में विभाजित करती है और मध्यवर्ती एक्टिवेशन्स के कुशल पुन: उपयोग को सक्षम करने के लिए रणनीतिक रूप से परटर्बेशन्स (perturbations) आवंटित करती है, जिससे संसाधन-सीमित उपकरणों पर लार्ज लैंग्वेज मॉडल्स की फाइन-ट्यूनिंग के लिए कम्प्यूटेशनल मांग में 3 गुना कमी आती है और साथ ही फेडरेटेड लर्निंग के मेमोरी और कम्युनिकेशन लाभ भी बने रहते हैं।
यह शोध पत्र एक मल्टी-एजेंट फ्रेमवर्क प्रस्तावित करता है जो सोशल मीडिया नियामक नीतियों से बचने के लिए उपयोग की जाने वाली रचनात्मक भाषा रणनीतियों के पुनरावृत्ति विकास को सिम्युलेट और विश्लेषित करने के लिए लार्ज लैंग्वेज मॉडल्स और जेनेटिक एल्गोरिदम को सहक्रियात्मक रूप से संयोजित करता है, जो अमूर्त और यथार्थवादी दोनों प्रयोगात्मक परिदृश्यों के माध्यम से बेहतर अनुकूलन क्षमता और सूचना संचरण को प्रदर्शित करता है।
यह शोध पत्र GeometrE को प्रस्तुत करता है, जो नॉलेज ग्राफ पर मल्टी-हॉप रीजनिंग के लिए एक ज्यामितीय एम्बेडिंग विधि है जो सभी तार्किक परिचालनों को शुद्ध ज्यामितीय रूपांतरणों में मैप करती है और तार्किक नियमों को संरक्षित करने के लिए एक नवीन ट्रांजिटिव लॉस फंक्शन का उपयोग करती है, जिससे मौजूदा ज्यामितीय दृष्टिकोणों की तुलना में बेहतर प्रदर्शन प्राप्त होता है और न्यूरल-आधारित विधियों के साथ प्रतिस्पर्धी परिणाम बनाए रखता है।
यह शोधपत्र UniTalk को प्रस्तुत करता है, जो एक नवीन इन-द-वाइल्ड बेंचमार्क डेटासेट है जिसे AVA जैसे मौजूदा बेंचमार्क के डोमेन गैप को संबोधित करने के लिए विविध, चुनौतीपूर्ण वास्तविक दुनिया के परिदृश्यों को कवर करके डिज़ाइन किया गया है, जिससे वर्तमान अत्याधुनिक मॉडलों की सीमाओं का पता चलता है और मजबूत सक्रिय वक्ता पहचान (एक्टिव स्पीकर डिटेक्शन) प्रणालियों को विकसित करने के लिए एक नया मानक स्थापित होता है।
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।