20106 पेपर
यह शोध पत्र SHIFT को प्रस्तुत करता है, जो एक मिसिंगनेस-अवेयर (missingness-aware) ट्रांसफार्मर मॉडल है जो इम्प्यूटेशन (imputation) की आवश्यकता के बिना या साझा जीन तक विश्लेषण को प्रतिबंधित किए बिना, सीधे अपूर्ण फीचर इनपुट को प्रोसेस करके विषम जीनोमिक डेटासेट में सुदृढ़ सर्वाइवल प्रेडिक्शन (survival prediction) को सक्षम बनाता है।
यह शोध पत्र बड़े पैमाने पर, न्यूनतम रूप से एनोटेट किए गए हाइड्रोअकूस्टिक डेटा को कुशलतापूर्वक खोजने और वर्गीकृत करने के लिए मास्क्ड ऑटोएनकोडर्स और क्लस्टरिंग एल्गोरिदम का उपयोग करने वाले एक सेल्फ-सुपरवाइज्ड पाइपलाइन को प्रस्तुत करता है, जो मयोत द्वीप के बहु-वर्षीय डेटासेट में विविध समुद्री और मानवजनित संकेतों की सफलतापूर्वक पहचान करता है।
Jet-Long एक ट्यूनिंग-मुक्त, ज़ीरो-शॉट विधि है जो लघु-संदर्भ निष्ठा (short-context fidelity) और दीर्घ-संदर्भ एक्सट्रपलेशन (long-context extrapolation) को संतुलित करने के लिए RoPE रीस्केलिंग कारकों को गतिशील रूप से अनुकूलित करती है, जो एक कुशल द्वि-फोकल अटेंशन (bifocal attention) तंत्र के माध्यम से न्यूनतम इन्फरेंस ओवरहेड के साथ दीर्घ-संदर्भ बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करती है।
यह शोध पत्र MetaNCA को प्रस्तुत करता है, जो एक नवीन वेट ट्रांसफॉर्मर (Weight Transformer) आर्किटेक्चर का उपयोग करने वाला एक ढांचा है जो स्थानीय स्व-संगठन नियमों को सीखने के लिए नियोजित करता है, जिससे बैकप्रोपैगेशन के बिना विभिन्न आर्किटेक्चर में विविध और सामान्यीकरण योग्य न्यूरल नेटवर्क वेट्स उत्पन्न करना सक्षम होता है।
यह शोध पत्र एक तीन-चरणीय पाइपलाइन का प्रस्ताव करता है जो टेस्ट-टाइम कंप्यूट को ऑफलाइन डेटा सिंथेसिस में स्थानांतरित करके और सुपरवाइज्ड फाइन-ट्यूनिंग को एक्जीक्यूशन-ग्राउंडेड रीइन्फोर्समेंट लर्निंग के साथ जोड़कर सिंटैक्स अधिग्रहण को एल्गोरिद्मिक तर्क से अलग करता है, जिससे कम-संसाधन वाली प्रोग्रामिंग भाषाओं के लिए छोटे भाषा मॉडलों हेतु कोड जनरेशन प्रदर्शन में उल्लेखनीय सुधार होता है और साथ ही डेटा आवश्यकताओं और लागतों को कम किया जाता है।
यह शोध पत्र संज्ञानात्मक मूल्यांकन संकेतों (cognitive appraisal signals) में हेरफेर करके सुदृढीकरण सीखने वाले एजेंटों (reinforcement learning agents) में सात मनोवैज्ञानिक विकारों को मॉडल करने के लिए एक ट्रांसडायग्नोस्टिक ढांचे का परिचय देता है, जो यह प्रदर्शित करता है कि ये प्रेरित फेनोटाइप एक नियंत्रणीय, खुराक-निर्भर भावनात्मक स्थान (dose-dependent affective space) बनाते हैं जो न केवल विकार के लक्षणों की नकल करता है बल्कि विभिन्न वातावरणों में उपचार प्रतिक्रियाओं और सहवर्ती अंतःक्रियाओं (comorbid interactions) की भी भविष्यवाणी करता है।
यह शोध पत्र एक हाइब्रिड क्लासिकल-क्वांटम इमेज क्लासिफिकेशन फ्रेमवर्क प्रस्तावित करता है जो क्वांटम-प्रेरित एम्प्लीट्यूड एनकोडिंग, लोकल यूनिटरी कन्वोल्यूशन और स्टेबलाइजर कोड फीचर एक्सट्रैक्शन के मिश्रण का उपयोग करता है ताकि व्यक्तिगत विशेषज्ञों की तुलना में MNIST और Fashion-MNIST बेंचमार्क पर काफी कम विफलता दर प्राप्त की जा सके, जबकि GPU वर्कस्टेशन पर मध्यम कम्प्यूटेशनल ओवरहेड को बनाए रखा जा सके।
यह अध्ययन पहली बार इमेज-टेबुलर मल्टीमॉडल लर्निंग में एनकोडर के रूप में अत्याधुनिक टैबुलर मॉडल्स का मूल्यांकन करता है, जो टेस्ट लेबल्स तक पहुंच के बिना इन-कॉन्टेक्स्ट लर्निंग विधियों को लागू करने की चुनौती को संबोधित करते हुए एनकोडर चयन के महत्वपूर्ण महत्व को प्रदर्शित करता है।
यह शोध पत्र हैमिल्टोनियन जेनरेटिव नेटवर्क्स में उन विशिष्ट विफलता मोडों की पहचान और समाधान करता है जो गैर-संरक्षी वीडियो गतिकी (non-conservative video dynamics) में टेम्पोरल जनरलाइजेशन को बाधित करते हैं, जिससे लक्षित वास्तुशिल्प सुधारों के माध्यम से प्रशिक्षण वितरण से बहुत आगे परिवर्तनशील समय चरणों पर स्थिर भविष्यवाणियां करना सक्षम होता है।
यह शोध पत्र PSD Impute को प्रस्तुत करता है, जो एक वितरण-सत्यतापूर्ण (distributionally faithful) प्रतिस्थापन विधि है जो सांख्यिकीय निरंतरता और प्रतिबंधात्मक पैरामीट्रिक धारणाओं के बिना प्रतिस्पर्धी सटीकता प्राप्त करने के लिए धनात्मक अर्ध-निश्चित (positive semi-definite) कर्नेल का उपयोग करके लुप्त मान रिकवरी को एक उत्तल घनत्व अनुमान समस्या के रूप में तैयार करता है।