23511 पेपर
यह शोध पत्र MUSE-Autoskill को प्रस्तुत करता है, जो एक स्व-विकसित (self-evolving) एजेंट फ्रेमवर्क है जो कौशल (skills) को निर्माण, स्मृति, प्रबंधन, मूल्यांकन और परिशोधन के एक एकीकृत जीवनचक्र के माध्यम से प्रबंधित करके कार्य-समाधान क्षमताओं को बढ़ाता है, और उन्हें पुन: प्रयोज्यता, विश्वसनीयता और क्रॉस-टास्क स्थानांतरण में सुधार के लिए दीर्घकालिक, अनुभव-जागरूक परिसंपत्तियों के रूप में मानता है।
यह शोध पत्र 'फॉरगेटेबल फेडरेटेड लीनियर लर्निंग' (Forgettable Federated Linear Learning) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो डीप न्यूरल नेटवर्क को लीनियर मॉडल्स के साथ अनुमानित करता है ताकि अतिरिक्त क्लाइंट संचार या ऐतिहासिक मॉडल स्टोरेज की आवश्यकता के बिना प्रमाणित, कुशल और सुरक्षित फेडरेटेड अनलर्निंग को सक्षम किया जा सके।
यह शोध पत्र टोपोलॉजिकल डेटा एनालिसिस और क्यूबिकल पर्सिस्टेंट होमोलॉजी का उपयोग करते हुए एक ट्रेन-फ्री एमआरआई सेगमेंटेशन फ्रेमवर्क प्रस्तुत करता है जो बड़े एनोटेटेड डेटासेट के बिना शारीरिक संरचनाओं को स्वचालित रूप से सेगमेंट करता है, जो कि दुर्लभ-डेटा सेटिंग्स और विशेषज्ञ परिशोधन के लिए उपयुक्त एक व्याख्या योग्य बेसलाइन प्रदान करता है।
यह शोध पत्र हैडामार्ड रिप्रेजेंटेशन (Hadamard Representation) का प्रस्ताव करता है, जो एक सरल आर्किटेक्चरल संशोधन है जो मानक हिडन लेयर्स को दो स्वतंत्र लेयर्स के एलिमेंट-वाइज प्रोडक्ट्स से बदल देता है ताकि न्यूरॉन डॉर्मेंसी को रोका जा सके और प्रभावी रैंक को बढ़ाया जा सके, जिससे बिना किसी हाइपरपैरामीटर ट्यूनिंग की आवश्यकता के कई डोमेन में विविध मॉडल-फ्री रीइन्फोर्समेंट लर्निंग एल्गोरिदम के प्रदर्शन में निरंतर सुधार होता है।
यह अध्ययन इस बात की जांच करता है कि विभिन्न प्रूनिंग तकनीकें और रिट्रेनिंग रणनीतियां ImageNet पर GoogLeNet के वर्गीकरण प्रदर्शन और व्याख्यात्मकता (interpretability) को कैसे प्रभावित करती हैं, जिसमें यह पाया गया कि पर्याप्त रिट्रेनिंग बेसलाइन सटीकता को बहाल या उससे अधिक कर सकती है, जबकि यह भी सामने आया कि मैकेनिस्टिक इंटरप्रिटेबिलिटी स्कोर (MIS) का प्रूनिंग दरों के साथ कोई सहसंबंध नहीं है और यह व्याख्यात्मकता की सहज धारणाओं के अनुरूप भी नहीं हो सकता है।
यह शोध पत्र फाइन-ग्रेन्ड पैरामीटर शेयरिंग (FiPS) को प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो क्रॉस-ब्लॉक पैरामीटर शेयरिंग, लो-रैंक फैक्टराइजेशन और स्पर्सिटी को संयुक्त रूप से अनुकूलित करके ट्रांसफॉर्मर MLPs को संकुचित करता है, जिससे विजन ट्रांसफॉर्मर और लार्ज लैंग्वेज मॉडल्स दोनों पर न्यूनतम सटीकता हानि के साथ मॉडल के आकार में महत्वपूर्ण कमी आती है।
यह शोध पत्र GDformer प्रस्तुत करता है, जो एक नवीन अनसुपरवाइज्ड विसंगति पहचान (anomaly detection) फ्रेमवर्क है जो वैश्विक प्रतिनिधित्व और सहसंबंध भार (correlation weights) पर आधारित एक एकीकृत, श्रृंखला-स्तरीय पहचान मानदंड स्थापित करके पृथक उप-अनुक्रम विश्लेषण की सीमाओं को दूर करने के लिए एक ग्लोबल डिक्शनरी-एन्हांस्ड ट्रांसफॉर्मर का लाभ उठाता है, जिससे कई वास्तविक दुनिया के बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
ReactEmbed एक हल्का, प्लग-एंड-प्ले मॉड्यूल है जो जैव-रासायनिक अभिक्रिया नेटवर्क का लाभ उठाकर अलग-अलग प्रोटीन और अणु एम्बेडिंग को एक साझा कार्यात्मक स्थान में एकीकृत करता है, जिससे बिना किसी महंगी पुन: प्रशिक्षण की आवश्यकता के प्रभावी क्रॉस-डोमेन मॉडलिंग सक्षम होती है।
यह शोध पत्र FragmentNet को प्रस्तुत करता है, जो एक ग्राफ-टू-सीक्वेंस मॉडल है जो अणुओं को समायोज्य सूक्ष्मता (adjustable granularity) के साथ रासायनिक रूप से वैध खंडों (fragments) में विभाजित करने के लिए एक नवीन अनुकूली टोकेनाइज़र (adaptive tokenizer) का उपयोग करता है, जो यह प्रदर्शित करता है कि इस खंड स्तर पर प्री-ट्रेनिंग पारंपरिक परमाणु-स्तर या कठोर नियम-आधारित दृष्टिकोणों की तुलना में डाउनस्ट्रीम प्रॉपर्टी प्रेडिक्शन प्रदर्शन में महत्वपूर्ण सुधार करती है।
यह शोध पत्र कोलमोगोरोव-आर्नोल्ड फूरियर नेटवर्क (KAF) को प्रस्तुत करता है, जो एक नवीन आर्किटेक्चर है जो स्थानीय B-स्प्लाइन्स के स्थान पर प्रशिक्षित रैंडम फूरियर फीचर्स और एक हाइब्रिड एक्टिवेशन मैकेनिज्म का उपयोग करके एक वैश्विक, अनुकूली स्पेक्ट्रल प्रतिनिधित्व के माध्यम से पारंपरिक KANs की पैरामीटर विस्फोट और उच्च-आवृत्ति सीमाओं को दूर करता है, जिससे विविध कार्यों में अत्याधुनिक प्रदर्शन और दक्षता प्राप्त होती है।