23511 पेपर
यह शोधपत्र प्रदर्शित करता है कि विजन ट्रांसफॉर्मर्स, कैलोड्रीम (CaloDREAM) आर्किटेक्चर पर आधारित होकर, विविध डिटेक्टर ज्यामितिओं के लिए तेज़ कैलोरीमीटर सिमुलेशन हेतु एक सार्वभौमिक, सुदृढ़ और स्केलेबल समाधान प्रदान करते हैं, जो प्रीट्रेनिंग और फाइन-ट्यूनिंग के माध्यम से बेहतर डेटा दक्षता के साथ मिलीसेकंड जनरेशन समय में जियोंट4 (Geant4) स्तर की सटीकता प्राप्त करते हैं।
यह शोध पत्र FUME को प्रस्तुत करता है, जो एक हल्का (lightweight) डीप लर्निंग फ्रेमवर्क है जो डेयरी मवेशियों में रुमेन एसिडोसिस का उच्च-सटीकता वाला, गैर-आक्रामक पता लगाने के लिए दोहरी-गैस (CO2 और CH4) ऑप्टिकल इमेजिंग और एक नवीन ड्यूल-स्ट्रीम आर्किटेक्चर का उपयोग करता है, जो पहले समर्पित दोहरी-गैस डेटासेट द्वारा समर्थित है और मौजूदा विधियों की तुलना में काफी कम कम्प्यूटेशनल लागत के साथ बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र फ्यूचर-केएल रेगुलराइज्ड पॉलिसी ऑप्टिमाइज़ेशन (FRPO) को प्रस्तुत करता है, जो एक क्रिटिक-फ्री विधि है जो -डाइवर्जेंस से व्युत्पन्न एक कॉज़ल फ्यूचर-रेगुलराइजेशन रिटर्न-टू-गो को शामिल करके GRPO के टोकन-लेवल KL रेगुलराइजेशन को ठीक करती है, जिससे उच्च एंट्रॉपी और कम पॉलिसी ड्रिफ्ट बनाए रखते हुए गणितीय तर्क प्रदर्शन में सुधार होता है।
यह शोध पत्र CROCS का प्रस्ताव करता है, जो एक नवीन दो-चरणीय क्लस्टरिंग ढांचा है जो व्यक्तिगत दैनिक लोड प्रोफाइल को प्रतिनिधि सेटों में संक्षेपित करने के लिए स्मार्ट मीटर डेटा का लाभ उठाता है और फिर इन सेटों की भारित समानता के आधार पर उपभोक्ताओं को क्लस्टर करता है, जिससे व्यवहार-केंद्रित उपभोक्ता खंडों का निर्माण होता है, और इस प्रकार बेहतर मांग-पक्ष प्रबंधन (Demand-Side Management) के लिए व्यवहार संबंधी विविधता को प्रभावी ढंग से पकड़ने और डेटा विसंगतियों को संभालने में सक्षम होता है।
यह शोध पत्र CROT को प्रस्तुत करता है, जो एक क्लस्टर-रेगुलराइज्ड ऑप्टिमल ट्रांसपोर्ट एल्गोरिदम है जो उच्च-आयामी सिंगल-सेल सीक्वेंसिंग डेटासेट में लापता डेटा के बड़े पैच को कुशलतापूर्वक और सटीक रूप से इम्प्यूट (impute) करता है और मौजूदा विधियों की तुलना में रनटाइम को काफी कम करता है।
RDumb++ एंट्रॉपी और KL-डाइवर्जेंस-आधारित ड्रिफ्ट डिटेक्शन मैकेनिज्म को एडेप्टिव रिसेट रणनीतियों के साथ पेश करके लंबी अवधि के, तेजी से बदलते डेटा स्ट्रीम्स के लिए निरंतर टेस्ट-टाइम अनुकूलन को बढ़ाता है ताकि प्रेडिक्शन कोलैप्स को रोका जा सके और मौजूदा तरीकों की तुलना में महत्वपूर्ण सटीकता लाभ प्राप्त किया जा सके।
यह शोधपत्र विलंबित असाइनमेंट (delayed assignments) के साथ ऑनलाइन नॉन-सेंट्रॉइड क्लस्टरिंग के लिए एक नया ढांचा प्रस्तुत करता है और एक स्टोकेस्टिक अराइवल मॉडल के तहत एक कॉन्स्टेंट-कॉम्पिटिटिव एल्गोरिदम का प्रस्ताव करता है, जो क्लासिक वर्स्ट-केस सेटिंग में निहित सबलॉगैरिद्मिक कॉम्पिटिटिव रेशियो की सीमाओं को दूर करता है।
यह शोध पत्र स्टेप-अहेड पार्शियल एरर फीडबैक (SA-PEF) का प्रस्ताव करता है, जो कुशल फेडरेटेड लर्निंग के लिए एक नवीन विधि है जो शुरुआती प्रशिक्षण अभिसरण (convergence) को तेज करने और नॉन-IID डेटा एवं आंशिक क्लाइंट भागीदारी के तहत स्टेशनैरिटी (stationarity) की सैद्धांतिक अभिसरण सुनिश्चित करने के लिए स्टेप-अहेड सुधार को पार्शियल एरर फीडबैक के साथ जोड़ता है, जो लक्षित सटीकता तक पहुँचने में मानक एरर फीडबैक से बेहतर प्रदर्शन करता है।
यह शोध पत्र वितरण बदलाव (distribution shift) के तहत मधुमेह प्रबंधन के लिए सुरक्षित सुदृढीकरण शिक्षण (Safe Reinforcement Learning) में सुरक्षा सामान्यीकरण अंतराल (safety generalization gap) की जांच करता है, जो यह प्रदर्शित करता है कि टेस्ट-टाइम शील्डिंग (test-time shielding) विविध रोगी आबादी और एल्गोरिदम में सुरक्षा को प्रभावी रूप से बहाल करती है और नैदानिक परिणामों में सुधार करती है।
यह शोध पत्र यह प्रदर्शित करता है कि लीनियर प्रोपेगेशन अज़म्पशन (Linear Propagation Assumption), जो यह प्रतिपादित करता है कि न्यूरल नेटवर्क में स्थानीय पैरामीटर अपडेट तार्किक सुसंगतता को बनाए रखते हैं, मौलिक रूप से त्रुटिपूर्ण है क्योंकि संबंध संयोजन (relation composition) को संभालने के लिए गणितीय आवश्यकताएं (द्विरेखीयता/bilinearity) निषेध (negation) के लिए आवश्यक आवश्यकताओं के साथ असंगत हैं, जिससे ज्ञान संपादन (knowledge editing), रिवर्सल कर्से (reversal curse) और मल्टी-हॉप रीजनिंग (multi-hop reasoning) में संरचनात्मक सीमाओं की व्याख्या होती है।