23697 पेपर
यह शोध पत्र एक संरचनात्मक-निगरानी ढांचे का प्रस्ताव करता है जो एक स्थिर नौ-आयामी लेटेंट ज्यामिति के भीतर आइजनस्पेस संरेखण का विश्लेषण करके टोर (Tor) गुमनामी नेटवर्क में विसंगतियों का पता लगाता है, जो शून्य गलत सकारात्मकता (फॉल्स पॉजिटिव) के साथ कनेक्टिविटी क्षरण की घटनाओं की सफलतापूर्वक पहचान करता है और पारंपरिक रिले-प्रस्थान परिकल्पनाओं को असत्य सिद्ध करता है।
यह शोध पत्र प्रदर्शित करता है कि मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स (multimodal large language models) फ्रैक्चर ज्यामिति के बारे में तर्क करने के लिए मिलर इंडिसेस (Miller indices) को संरचित लेटेंट वेरिएबल्स (structured latent variables) के रूप में प्रभावी ढंग से उपयोग कर सकते हैं, जो आदर्श सेटिंग्स में प्लेन परिकल्पनाओं (plane hypotheses) का विश्वसनीय रूप से अनुमान लगाते हैं और विविध सामग्री वर्गों (diverse material classes) में तब ऐसे निरूपणों को सही ढंग से अस्वीकार करते हैं जब अंतर्निहित भौतिकी उनका समर्थन नहीं करती है।
यह शोध पत्र टेंसर बीजगणित (tensor algebra) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो समरूपता (equivariance) को एक वास्तुशिल्प बाधा (architectural constraint) से एक अंतर्निहित बीजगणितीय गुण में परिवर्तित करता है, जिससे प्रमाणित रूप से इष्टतम समरूपता-संरक्षण टेंसर सन्निकटन (symmetry-preserving tensor approximation), प्रति-अपरिवर्तनीय प्रतिनिधित्व (per-irreducible-representation) पूर्वानुमानों के लिए बंद-रूप (closed-form) समाधान, और पूर्व क्वांटम यांत्रिक ज्ञान की आवश्यकता के बिना भौतिक समरूपताओं की डेटा-संचालित खोज सक्षम होती है।
यह शोध पत्र प्रदर्शित करता है कि वेट डिके (weight decay) एक महत्वपूर्ण नियंत्रण पैरामीटर के रूप में कार्य करता है जो मॉड्यूलर अंकगणित पर प्रशिक्षित ट्रांसफॉर्मर्स में मेमोराइजेशन (memorization), जनरलाइजेशन (grokization/grokking), और कोलैप्स (collapse) के बीच संक्रमण को नियंत्रित करता है, और विभिन्न मॉडल स्केल्स और आर्किटेक्चर में इन डायनेमिक्स को ट्रैक करने के लिए अटेंशन एक्टिवेशन्स (attention activations) पर आधारित दो गणनात्मक रूप से कुशल ऑनलाइन डायग्नोस्टिक्स पेश करता है।
यह शोध पत्र यह प्रदर्शित करता है कि भाषा-पूर्व-प्रशिक्षित (language-pretrained) ट्रांसफॉर्मर समय श्रृंखला (time series) का प्रभावी ढंग से पूर्वानुमान लगा सकते हैं क्योंकि पूर्व-प्रशिक्षण संरचनात्मक गतिकी के एक पुन: प्रयोज्य ज्यामितीय मैनिफोल्ड (geometric manifold) को स्थापित करता है, जिससे फाइन-ट्यूनिंग को केवल संख्यात्मक डेटा को इन मौजूदा दिशाओं पर संरेखित करने की अनुमति मिलती है बजाय इसके कि वे शून्य से टेम्पोरल प्रिमिटिव्स (temporal primitives) को सीखें।
यह शोध पत्र CASCADE को प्रस्तुत करता है, जो एक नवीन कॉन्फॉर्मल प्रेडिक्शन फ्रेमवर्क है जो पार्किंसंस रोग में लेवोडोपा डोज़ पूर्वानुमान के लिए प्रेडिक्शन इंटरवल्स को गतिशील रूप से स्केल करने हेतु मेडिकेशन-चेंज स्क्रीनिंग क्लासिफायर से एपिस्टेमिक अनसर्टेन्टी (ज्ञान संबंधी अनिश्चितता) को प्रसारित करता है, जिससे आश्वस्त मामलों के लिए संकीर्ण अंतराल प्राप्त करने के साथ-साथ अनिश्चित रोगियों के लिए सुदृढ़ कवरेज बनाए रखा जा सकता है।
यह शोध पत्र इन-कॉन्टेक्स्ट ट्रेनिंग (ICT) फ्रेमवर्क और एक सुदृढीकरण लर्निंग-आधारित पाइपलाइन पेश करता है जो भाषा एजेंटों को पिछले इंटरैक्शन से अनुभव को पुन: प्रयोज्य सिस्टम प्रॉम्प्ट्स में संकुचित करने में सक्षम बनाता है, जिससे वे मानवीय पर्यवेक्षण के बिना क्रॉस-टास्क आत्म-सुधार और अनदेखे वातावरणों में सामान्यीकरण प्राप्त करते हैं।
यह शोध पत्र HyperDn का प्रस्ताव करता है, जो एक एकल कॉन्फ़िगरेशन-कंडीशन्ड प्रेडिक्टर है जो स्रोत डिनोइजिंग कॉन्फ़िगरेशन से ऑरेकल सुपरविज़न को नए लक्ष्य कॉन्फ़िगरेशन में स्थानांतरित करता है, जिससे मॉडल-आधारित इमेज डिनोइज़र के लिए काफी कम या शून्य लक्ष्य ऑरेकल लेबल के साथ लगभग-ऑरेकल हाइपरपैरामीटर भविष्यवाणी सक्षम होती है।
यह शोध पत्र तर्क देता है कि अनिश्चितता-संवर्धित प्रणालियों (uncertainty-augmented systems) के लिए वर्तमान मूल्यांकन विधियाँ अनिश्चितता के तहत निर्णय लेने के लिए अपर्याप्त हैं और एक नए प्रॉपर स्कोरिंग रूल्स (proper scoring rules), \ECUAS{n}, के परिवार का प्रस्ताव करता है, जो उपयोगकर्ताओं को विशिष्ट अनुप्रयोग आवश्यकताओं के आधार पर पूर्वानुमान त्रुटियों और अनिश्चितता की गुणवत्ता के बीच के संतुलन को ट्यून करने की अनुमति देता है।
यह शोध पत्र EncMin2L को प्रस्तुत करता है, जो एक पैरामीटर-कुशल (parameter-efficient), एनकोडर-अज्ञेयवादी (encoder-agnostic) ढांचा है जो विविध शिफ्ट प्रकारों के माध्यम से बिना किसी OOD लेबल की आवश्यकता के सुदृढ़ आउट-ऑफ-डिस्ट्रीब्यूशन (out-of-distribution) डिटेक्शन प्राप्त करने के लिए एक सांख्यिकीय टू-लेवल मिनिमम-गेट के माध्यम से रिप्रेजेंटेशन-स्पेस डिफ्यूजन मॉडल्स को फ्यूज करता है।