23609 पेपर
यह शोधपत्र ट्वाइस सीक्वेंशियल मोंटे कार्लो ट्री सर्च (TSMCTS) को प्रस्तुत करता है, जो एक नवीन एल्गोरिदम है जो पथ क्षरण (path degeneracy) और विचरण (variance) की समस्याओं को प्रभावी ढंग से कम करते हुए मॉडल-आधारित सुदृढीकरण लर्निंग के लिए सीक्वेंशियल मोंटे कार्लो की स्केलेबिलिटी और स्थिरता को बढ़ाता है, साथ ही समानांतरकरण (parallelization) और GPU त्वरण (acceleration) के लिए इसके लाभों को भी सुरक्षित रखता है।
यह शोध पत्र मुरमुरा (Murmura) प्रस्तुत करता है, जो वियरेबल IoT के लिए एक विकेंद्रीकृत फेडेरेटेड लर्निंग फ्रेमवर्क है जो पीयर कम्पैटिबिलिटी (peer compatibility) के एक सिद्धांतपूर्ण माप के रूप में एपिस्टेमिक अनसर्टेन्टी (epistemic uncertainty) को मापने के लिए एविडेंशियल डीप लर्निंग का लाभ उठाता है, जिससे ट्रस्ट-अवेयर मॉडल पर्सनलाइजेशन सक्षम होता है जो नॉन-IID वातावरणों में मौजूदा विधियों से काफी बेहतर प्रदर्शन करता है।
यह शोधपत्र AutoBaxBuilder को प्रस्तुत करता है, जो एक स्वचालित पाइपलाइन है जो उच्च गुणवत्ता वाले कोड सुरक्षा बेंचमार्क को तेजी से और लागत प्रभावी ढंग से उत्पन्न करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे डेटा संदूषण (data contamination) और स्केलेबिलिटी की समस्याओं को संबोधित करते हुए बेंचमार्क निर्माण के लिए आवश्यक मैन्युअल प्रयास को काफी कम किया जा सकता है।
यह शोध पत्र डायनामिकल मीन-फील्ड थ्योरी द्वारा न्यायसंगत, मिक्सचर-ऑफ-एक्सपर्ट्स परतों वाले ट्रांसफॉर्मर मॉडलों के लिए एक नवीन पैरामीट्राइजेशन प्रस्तावित करता है, जो विभिन्न आर्किटेक्चरल आयामों को स्केल करते समय 51M से लेकर 2B से अधिक पैरामीटर्स तक के मॉडलों में विश्वसनीय और लागत प्रभावी हाइपरपैरामीटर ट्रांसफर को सक्षम बनाता है।
यह शोध पत्र डिफ्यूसिव क्लासिफिकेशन (DiffCLF) को प्रस्तुत करता है, जो एक गणनात्मक रूप से कुशल उद्देश्य है जो स्कोर मैचिंग की मोड ब्लाइंडनेस (mode blindness) और मैक्सिमम लाइकलीहुड (maximum likelihood) की अत्यधिक लागत को दूर करने के लिए एनर्जी-बेस्ड मॉडल लर्निंग को एक सुपरवाइज्ड क्लासिफिकेशन समस्या के रूप में पुनर्गठित करता है, जिससे विविध जनरेटिव कार्यों के लिए हाई-फिडेलिटी EBMs सक्षम होते हैं।
यह शोध पत्र एक ऐसे एआई (AI) सिस्टम को प्रस्तुत करता है जो निष्पादन योग्य ज्यामितीय लेम्मा (geometric lemmas) उत्पन्न करने और उन्हें परिष्कृत करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे स्टाइनर अनुपात (Steiner ratio) के लिए 0.8559 का एक नया प्रमाणित निचला स्तर प्राप्त हुआ है और यह जिल्बर्ट-पोलाक अनुमान (Gilbert-Pollak Conjecture) की ओर महत्वपूर्ण प्रगति करता है।
यह शोध पत्र ऑर्डर-एक्सप्रेसिव मास्कड डिफ्यूजन मॉडल (OeMDM) फ्रेमवर्क और इसके लर्नबल वेरिएंट (LoMDM) को प्रस्तुत करता है, जो विभिन्न जनरेशन ऑर्डर्स को एकीकृत करते हैं और मौजूदा डिस्क्रीट डिफ्यूजन मॉडल्स की तुलना में बेहतर भाषा जनरेशन प्रदर्शन प्राप्त करने के लिए डिफ्यूजन बैकबोन के साथ ऑर्डरिंग पॉलिसीज़ को स्क्रैच से संयुक्त रूप से अनुकूलित करते हैं।
FlashSinkhorn एक IO-सचेत (IO-aware) GPU सॉल्वर है जो एंट्रोपिक ऑप्टिमल ट्रांसपोर्ट के लिए FlashAttention-शैली के फ्यूजन और टाइलिंग का लाभ उठाता है ताकि HBM मेमोरी ट्रैफिक को नाटकीय रूप से कम किया जा सके, जिससे अत्याधुनिक बेसलाइनों की तुलना में 161× तक की गति वृद्धि प्राप्त होती है और बड़े पैमाने के पॉइंट-क्लाउड कार्यों के लिए स्केलेबल ऑप्टिमाइज़ेशन सक्षम होता है।
यह शोधपत्र GraphBFF को प्रस्तुत करता है, जो एक स्केलेबल ट्रांसफॉर्मर आर्किटेक्चर वाला एक एंड-टू-एंड फ्रेमवर्क है जो हेट्रोजेनियस ग्राफ्स पर बिलियन-पैरामीटर फाउंडेशन मॉडल्स के सफल प्रशिक्षण को सक्षम बनाता है, जो मौजूदा बेसलाइन्स की तुलना में प्रेडिक्टेबल न्यूरल स्केलिंग लॉज़ और विविध डाउनस्ट्रीम टास्क केAcross श्रेष्ठ प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र एक नवीन ल्यपुनोव फलन (Lyapunov function) और विलंब सीमाओं (delay bounds) को प्रस्तुत करके SAG, SAGA, और IAG एल्गोरिदम के लिए एक एकीकृत, संक्षिप्त और मॉड्यूलर अभिसरण विश्लेषण (convergence analysis) प्रस्तुत करता है, जो SAG और SAGA के लिए प्रथम उच्च-संभाव्यता अभिसरण गारंटी प्रदान करता है और IAG के लिए ज्ञात दरों में महत्वपूर्ण सुधार करता है।