cs.LG

Batched Single-Index Global Multi-Armed Bandits with Covariates

यह शोध पत्र BIDS का प्रस्ताव करता है, जो कोवेरियेट्स (covariates) वाले बैचड मल्टी-आर्म्ड बैंडिट्स के लिए एक नवीन अर्ध-पैरामीट्रिक एल्गोरिदम है, जो मिनिमैक्स-ऑप्टिमल रिग्रेट दरों को प्राप्त करने और सिंगल-इंडेक्स दिशा द्वारा निर्देशित एक डायनेमिक बिनिंग तंत्र का उपयोग करके डाइमेंशनलिटी के अभिशाप (curse of dimensionality) से बचने के लिए एक साझा सिंगल-इंडेक्स मॉडल का लाभ उठाता है।

Universal Reasoner: A Single, Composable Plug-and-Play Reasoner for Frozen LLMs

यह शोध पत्र यूनिवर्सल रीज़नर (UniR) को प्रस्तुत करता है, जो एक मॉड्यूलर और कंपोजेबल प्लग-एंड-प्ले मॉड्यूल है जो सत्यापन योग्य पुरस्कारों (verifiable rewards) पर एक पृथक तर्क घटक (decoupled reasoning component) को प्रशिक्षित करके और इन्फरेंस के समय इसके आउटपुट लॉजिट्स को बैकबोन में जोड़कर फ्रोजन लार्ज लैंग्वेज मॉडल्स की तर्क क्षमताओं को बढ़ाता है, जिससे पूर्ण मॉडल रिट्रेनिंग की आवश्यकता के बिना बेहतर प्रदर्शन और क्रॉस-डोमेन सामान्यीकरण प्राप्त होता है।

Task-conditioned probing of instruction-tuned multimodal LLMs: Region-specific brain alignment patterns under naturalistic stimuli

यह अध्ययन प्रदर्शित करता है कि निर्देश-ट्यून (instruction-tuned) मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स, गैर-निर्देश-ट्यून और इन-कॉन्टेक्स्ट लर्निंग मॉडल्स की तुलना में, प्राकृतिक फिल्म देखने के दौरान मानव मस्तिष्क की गतिविधि के साथ काफी अधिक मजबूत और कार्य-विशिष्ट संरेखण (alignment) प्रदर्शित करते हैं, जो यह सुझाव देता है कि निर्देश ट्यूनिंग (instruction tuning) निरूपणों (representations) को सतही अर्थों (surface semantics) के बजाय कार्यात्मक कार्य मांगों (functional task demands) के इर्द-गिर्द व्यवस्थित करती है।

Strict Subgoal Execution: Reliable Long-Horizon Planning in Hierarchical Reinforcement Learning

Machine-Learned Force Fields for Lattice Dynamics at Coupled-Cluster Level Accuracy

यह अध्ययन प्रदर्शित करता है कि कपल्ड-क्लस्टर डेटा पर प्रशिक्षित मशीन-लर्नड फोर्स फील्ड्स, जो लंबी दूरी के प्रभावों और डेटा सीमाओं को संबोधित करने के लिए डेल्टा-लर्निंग और चार्ज-अवेयर दृष्टिकोणों द्वारा संवर्धित हैं, हीरा और लिथियम हाइड्राइड के लिए फोनन डिस्पर्सियन और एनहार्मोनिक वाइब्रेशनल गुणों की भविष्यवाणी करने में पारंपरिक डेंसिटी फंक्शनल थ्योरी की तुलना में बेहतर सटीकता प्राप्त करते हैं।

Diverse LLMs or Diverse Question Interpretations? That is the Ensembling Question

यह शोध पत्र यह प्रदर्शित करता है कि LLMs के साथ बाइनरी प्रश्न-उत्तर के लिए, बहुमत मतदान (majority voting) का उपयोग करते समय, एक ही मॉडल के विविध प्रश्न व्याख्याओं का एनसेम्बल (ensemble), कई अलग-अलग मॉडलों के एनसेम्बल से लगातार बेहतर प्रदर्शन करता है।

STM3: Mixture of Multiscale Mamba for Long-Term Spatio-Temporal Time-Series Prediction

यह शोध पत्र STM3 का प्रस्ताव करता है, जो एक मल्टीस्केल मंबा आर्किटेक्चर को डिसेंटैंगल्ड मिक्सचर-ऑफ-एक्सपर्ट्स संरचना और एक एडेप्टिव ग्राफ कॉज़ल नेटवर्क के साथ जोड़ता है ताकि जटिल दीर्घकालिक स्थानिक-कालिक निर्भरताओं को कुशलतापूर्वक कैप्चर किया जा सके, जिससे दस वास्तविक-दुनिया के बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।

Anti-establishment sentiment on TikTok: Implications for understanding influence(rs) and expertise on social media

यह अध्ययन वित्त, कल्याण और षड्यंत्र सिद्धांत (कॉन्सपिरेसी थ्योरी) डोमेन में टिकटॉक पोस्ट का विश्लेषण करने के लिए एक कम्प्यूटेशनल दृष्टिकोण का उपयोग करता है, जिसमें यह पाया गया है कि हालांकि सत्ता-विरोधी भावना षड्यंत्र संबंधी सामग्री में सबसे अधिक प्रचलित है, फिर भी जुड़ाव के पैटर्न और प्लेटफॉर्म प्रोत्साहन यह सुझाव देते हैं कि यह इन विषयगत क्षेत्रों में उपयोगकर्ता के व्यवहार को प्रभावित कर सकता है।

Reinforcement Learning with Discrete Diffusion Policies for Combinatorial Action Spaces

यह शोध पत्र एक नवीन सुदृढीकरण लर्निंग (reinforcement learning) ढांचे को प्रस्तुत करता है जो जटिल कॉम्बिनेटोरियल एक्शन स्पेस में स्थिर, अत्याधुनिक प्रदर्शन और बेहतर सैंपल दक्षता प्राप्त करने के लिए पॉलिसी मिरर डिसेंट (policy mirror descent) के माध्यम से प्रशिक्षित डिस्क्रीट डिफ्यूजन मॉडल्स का उपयोग करता है।

Effective Model Pruning: Measure The Redundancy of Model Components

यह शोध पत्र इफेक्टिव मॉडल प्रूनिंग (EMP) को प्रस्तुत करता है, जो एक सार्वभौमिक अनुकूलन विधि है जो महत्व स्कोर के प्रभावी नमूना आकार (effective sample size) की गणना करके उन घटकों की इष्टतम संख्या निर्धारित करती है जिन्हें हटाया जाना है, जिससे विविध न्यूरल नेटवर्क आर्किटेक्चर में प्रदर्शन हानि पर एक प्रमाणित ऊपरी सीमा (provable upper bound) प्राप्त होती है।