23200 पेपर
यह शोधपत्र लेटेंट न्यूरल एक्टिविटी डायनेमिक्स को डिकोड करने के लिए मशीन लर्निंग विधियों का एक व्यापक सर्वेक्षण प्रदान करता है, जो हाल के फाउंडेशन मॉडल्स, बेंचमार्क और खुले चुनौतियों पर चर्चा करते हुए इस क्षेत्र को सिंगल-रीजन डायनेमिक्स, मल्टी-रीजन कम्युनिकेशन और बिहेवियर-अलाइन्ड मॉडलिंग में व्यवस्थित करता है।
यह शोध पत्र LC-QAT को प्रस्तुत करता है, जो एक डेटा-कुशल 2-बिट वेट-ओनली क्वांटाइजेशन-अवेयर ट्रेनिंग फ्रेमवर्क है जो डिफरेंशिएबल एंड-टू-एंड ऑप्टिमाइजेशन को सक्षम करने के लिए वेक्टर क्वांटाइजेशन को एक लर्नड एफ़ाइन मैपिंग के साथ जोड़ता है, जिससे केवल 0.1% से 10% प्रशिक्षण डेटा का उपयोग करके लार्ज लैंग्वेज मॉडल्स पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र फ्लेक्सिबल फ्लोज़ (Flexible Flows) को प्रस्तुत करता है, जो एक डिस्क्रीट फ्लो मैचिंग फ्रेमवर्क है जो संरचित कपलिंग (structured couplings), परिवर्तनशील-लंबाई वाली पीढ़ी के लिए लेटेंट एडिट-आधारित रेट पैरामीट्रिज़ेशन (latent edit-based rate parameterization) और डेंसिटी एस्टीमेशन एवं कंडीशनल सीक्वेंस जनरेशन में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए लेटेंट क्लासिफायर-फ्री गाइडेंस (latent classifier-free guidance) को शामिल करके जैविक अनुक्रम डिजाइन (biological sequence design) को उन्नत करता है।
यह शोध पत्र लार्ज लैंग्वेज मॉडल्स में नॉलेज एडिटिंग (ज्ञान संपादन) के मूल्यांकन के लिए एक नया बेंचमार्क प्रस्तुत करता है जो मल्टी-हॉप प्रश्नों के माध्यम से तार्किक परिणामों का आकलन करता है, जिससे यह पता चलता है कि वर्तमान विधियाँ प्रत्यक्ष तथ्यों को सफलतापूर्वक सम्मिलित करने के बावजूद निहित ज्ञान को प्रसारित करने में अक्सर विफल रहती हैं।
यह शोध पत्र लेटेंट मेमोरी (Latent Memory) को प्रस्तुत करता है, जो एक संसाधन-कुशल प्रतिमान (paradigm) है जो रिट्रीवल और जनरेशन के लिए मल्टीमॉडल साक्ष्यों को एकल लेटेंट टोकन में संकुचित करता है, जिससे टेक्स्ट-ओनली और मल्टीमॉडल बेंचमार्क पर प्रतिस्पर्धी प्रश्न-उत्तर प्रदर्शन बनाए रखते हुए टोकन खपत और स्टोरेज लागत को काफी कम कर दिया जाता है।
यह शोध पत्र NOVA को प्रस्तुत करता है, जो एक स्वायत्त प्रतीकात्मक प्रतिगमन (सिम्बोलिक रिग्रेशन) ढांचा है जो विशाल प्रक्षेपवक्र डेटा (ट्रैजेक्टरी डेटा) से संक्षिप्त, व्याख्या योग्य कार-फॉलोइंग और लेन-चेंज मॉडल खोजता है, जो भविष्यवाणी सटीकता और सामान्यीकरण में मौजूदा बेसलाइन से काफी बेहतर प्रदर्शन करता है और मानव ड्राइविंग व्यवहार के स्थापित मनोभौतिक (साइकोफिजिकल) सिद्धांतों से जुड़े मजबूत गैररेखीय संरचनाओं को प्रकट करता है।
यह सर्वेक्षण गैर-IID डेटा लक्षणों, प्रयोगात्मक विभाजन संबंधी विसंगतियों और डेटा-संबंधी कमजोरियों के मॉडल अभिसरण (convergence) और स्थिरता पर पड़ने वाले प्रभावों का व्यवस्थित रूप से विश्लेषण करके, फेडरेटेड लर्निंग की पहली डेटा-केंद्रित समीक्षा प्रदान करता है, जो मजबूत FL सिस्टम डिजाइन करने के लिए व्यावहारिक मार्गदर्शन प्रदान करता है।
यह शोध पत्र Dmsh को प्रस्तुत करता है, जो एक पूर्णतः स्वचालित मल्टी-एजेंट सुदृढीकरण लर्निंग फ्रेमवर्क है जो किसी भी ज्यामिति के लिए बिना किसी मानवीय हस्तक्षेप या पोस्ट-प्रोसेसिंग के उच्च-गुणवत्ता वाले, कन्फॉर्मिंग ऑल-क्वाड्रिलेटरल मेश बनाने के लिए ज्यामितीय अपघटन (जियोमेट्रिक डीकंपोजिशन) और क्वाड्रिलेटरल मेश जनरेशन को एकीकृत करता है।
यह शोध पत्र कॉज़ल एन्सेम्बल एजेंट (CEA) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो सांख्यिकीय विशेषज्ञों के अंतर्दृष्टि को एकत्रित करके और संघर्षों को हल करने तथा अधिक सटीक कॉज़ल ग्राफ उत्पन्न करने के लिए एक एलएलएम (LLM) को मेटा-रेफरी के रूप में उपयोग करके उन्हें गतिशील रूप से पुन: भारित करके कॉज़ल डिस्कवरी को बढ़ाता है।
यह शोध पत्र बूटस्ट्रैप्ड फ्लो क्यू-लर्निंग (BFQ) प्रस्तुत करता है, जो एक नवीन ऑफलाइन सुदृढीकरण शिक्षण ढांचा है जो एक विभाजित-और-विजयी (divide-and-conquer) रणनीति के माध्यम से अल्प-दूरी के विस्थापन को सीधे शोर-से-क्रिया (noise-to-action) मैपिंग में बूटस्ट्रैप करके, मल्टी-स्टेप डिफ्यूजन के कम्प्यूटेशनल बोझ और भंगुरता को समाप्त करते हुए सटीक, सिंगल-स्टेप एक्शन जनरेशन को सक्षम बनाता है।