23609 पेपर
यह शोध पत्र सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) के लिए एक नवीन स्वचालित पाठ्यक्रम निर्माण दृष्टिकोण प्रस्तावित करता है जो मापने योग्य समानता वाले एक लेटेंट टास्क रिप्रेजेंटेशन को सीखने के लिए एक वेरिएशनल ऑटोएनकोडर का उपयोग करता है, जिससे जटिल, गैर-यूक्लिडियन नेविगेशन कार्यों में प्रभावी पाठ्यक्रम निर्माण सक्षम होता है जहाँ पारंपरिक इंटरपोलेशन विधियाँ विफल हो जाती हैं।
यह शोध पत्र IDEAL का प्रस्ताव करता है, जो एक चयनात्मक डुअल-डिस्पैच फ्रेमवर्क है जो संदर्भ-विशिष्ट यात्रा-समय अनिश्चितताओं को सीखने के लिए एक कमजोर रूप से पर्यवेक्षित बाइलेवल रिप्रजेंटेशन नेटवर्क का लाभ उठाता है और केवल तभी दूसरी एम्बुलेंस को गतिशील रूप से प्रेषित करता है जब प्राथमिक और माध्यमिक पथों के बीच आशावादी अंतराल (ऑप्टिमिस्टिक गैप) एक सीमा से अधिक हो जाता है, जिससे अस्पताल के बाहर होने वाले कार्डियक अरेस्ट मामलों के लिए प्रतिक्रिया समय और बेड़े के संसाधन उपयोग के बीच के संतुलन को अनुकूलित किया जा सके।
यह शोध पत्र कॉनवेक्स कंपोजिशनल एनर्जी मिनिमाइजेशन (CCEM) को प्रस्तुत करता है, जो इनपुट-कॉन्वेक्स न्यूरल नेटवर्क और कॉनवेक्स रिलैक्सेशन का उपयोग करके कंपोजिशनल रीजनिंग में नॉन-कॉन्वेक्सिटी की बाधा को दूर करने वाला एक फ्रेमवर्क है ताकि नियत अनुकूलन (डिटरमिनिस्टिक ऑप्टिमाइजेशन) और बड़ी समस्या के उदाहरणों में ज़ीरो-शॉट ट्रांसफर को सक्षम बनाया जा सके।
यह शोध पत्र पैरामीट्रिक प्रायर मैपिंग (PPM) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो एक जनरेटिव मॉडल में गतिशील पैरामीट्रिक स्ट्रक्चरल प्रायर्स (dynamic parametric structural priors) को इंजेक्ट करके नॉन-स्टेशनरी प्रोबेबिलिस्टिक मल्टीवेरिएट टाइम सीरीज़ फोरकास्टिंग को बेहतर बनाता है, जिससे मौजूदा विधियों की तुलना में सटीकता, अनिश्चितता अंशांकन (uncertainty calibration) और कम्प्यूटेशनल दक्षता के बीच एक श्रेष्ठ संतुलन प्राप्त होता है।
यह शोध पत्र एक हाइब्रिड क्वांटम-क्लासिकल करेक्टिव डिफ्यूजन मॉडल प्रस्तावित करता है जो संभाविक मौसम संबंधी डाउनस्केलिंग में सुधार के लिए एक UNet आर्किटेक्चर के बॉटलनेक में वेरिएशनल क्वांटम सर्किट को एकीकृत करता है, जो इन-डिस्ट्रीब्यूशन डेटा पर बेहतर सटीकता और संरक्षित भौतिक विशेषताओं का प्रदर्शन करता है, साथ ही आउट-ऑफ-डिस्ट्रीब्यूशन परिदृश्यों में सामान्यीकरण और वास्तविक-हार्डवेयर स्केलेबिलिटी में वर्तमान सीमाओं को रेखांकित करता है।
यह शोधपत्र टेस्ट-टाइम अडैप्टेशन (TTA) पर एक गुप्त सैंपल-वार लक्षित एडवर्सरियल हमले को प्रस्तुत करता है जो केवल ट्रिगर किए गए इनपुट्स को गलत वर्गीकृत करने के लिए और डिटेक्शन से बचने के लिए वैश्विक लेबल वितरण को सुरक्षित रखने के लिए मेटा-लर्निंग-आधारित प्रायोरिटी-अवेयर ग्रेडिएंट अलाइनमेंट रणनीति का उपयोग करता है।
यह शोध पत्र एलएलएम-आधारित मल्टी-एजेंट सिस्टम में एपिस्टेमिक मिसकैलिब्रेशन (जहाँ एजेंट सही निष्पादन के बावजूद ज्ञान की व्यवहार्यता का गलत आकलन करते हैं) को संबोधित करने के लिए 'एपिस्टेमिक प्लानिंग कैलिब्रेशन एजेंटिक वर्कफ्लो' (EPC-AW) प्रस्तुत करता है—जो सूचना-संगत योजना चयन और गतिशील अवस्था परिशोधन का उपयोग करके सिस्टम-स्तरीय सफलता को औसतन 9.75% तक सुधारता है।
यह शोध पत्र BBO-Pile को प्रस्तुत करता है, जो 3,095 ब्लैक-बॉक्स फलनों (black-box functions) में 500,000 से अधिक अनुकूलन प्रक्षेप पथों (optimization trajectories) वाला पहला बड़े पैमाने का ओपन-सोर्स डेटासेट है, और यह प्रदर्शित करता है कि इस डेटा पर प्रशिक्षित फाउंडेशन मॉडल स्केलेबल प्री-ट्रेनिंग के माध्यम से ब्लैक-बॉक्स अनुकूलन रणनीतियों को प्रभावी ढंग से सीख और अनुकरण कर सकते हैं।
यह शोध पत्र डाइक्स्ट्रा-प्रूनड इन-नेटवर्क लर्निंग (D-INL) प्रस्तुत करता है, जो क्षमता-जागरूक लघुतम पथ वृक्षों (shortest-path trees) का निर्माण करके और भविष्य कहने वाली सटीकता को बनाए रखते हुए संचार ओवरहेड को महत्वपूर्ण रूप से कम करने के लिए परिमित-दर स्टोकेस्टिक गेटिंग (finite-rate stochastic gating) का उपयोग करके स्पार्स वितरित प्रशिक्षण को उन्नत करता है।
यह शोध पत्र **OM-Path** को प्रस्तुत करता है, जो डीप गॉसियन प्रोसेस के लिए एक नवीन पोस्टीरियर ट्रांसपोर्ट फ्रेमवर्क है, जो एक ऑन्सेगर-मैकलुब-नियमित (Onsager-Machlup-regularized) डूब-ब्रिज्ड डिफ्यूजन के माध्यम से एक डिटरमिनिस्टिक सैंपलर सीखता है, और छोटे-शोर वाले MAP पथों से जुड़े एक पाथ-स्पेस ऑब्जेक्टिव को अनुकूलित करके बड़े पैमाने के रिग्रेशन बेंचमार्क पर अत्याधुनिक DBVI पद्धति की तुलना में सांख्यिकीय रूप से महत्वपूर्ण प्रदर्शन सुधार प्राप्त करता है।