24008 पेपर
PEEK एक ऐसी प्रणाली है जो एक छोटे, निरंतर "कॉन्टेक्स्ट मैप" में बार-बार आने वाले बाहरी संदर्भों के बारे में पुन: प्रयोज्य ओरिएंटेशन ज्ञान को कैश करके लॉन्ग-कॉन्टेक्स्ट LLM एजेंटों को बेहतर बनाती है, जो मौजूदा बेसलाइन की तुलना में कंप्यूटेशनल लागत को कम करते हुए तर्क की सटीकता और दक्षता में महत्वपूर्ण सुधार करती है।
यह शोध पत्र PMM-MASEM का प्रस्ताव करता है, जो एक हाइब्रिड मैनिफोल्ड सैंपलिंग मॉड्यूल है जो स्थानीय स्पेसिंग वितरण विशेषताओं के आधार पर एक बहुपद-अधिकतमीकरण क्षण अनुमानक (polynomial-maximization moment estimator) और एक मानक प्लग-इन नियम के बीच अनुकूल रूप से स्विच करता है, जिससे समरूप मैनिफोल्ड्स पर इष्टतम प्रदर्शन बनाए रखते हुए गैर-समतल (non-flat) व्यवस्थाओं में घनत्व अनुमान त्रुटि में महत्वपूर्ण कमी आती है।
यह शोध पत्र लीनियर स्ट्रक्चरल इक्वेशन मॉडल्स के लिए एक नवीन DAG लर्निंग पद्धति प्रस्तावित करता है जो अचक्रीयता (acyclicity) बाधाओं को सरल बनाने के लिए गैर-ऋणात्मक एज वेट्स (non-negative edge weights) का लाभ उठाती है, जिसके परिणामस्वरूप एक ऐसा ऑप्टिमाइज़ेशन लैंडस्केप प्राप्त होता है जिसमें कोई स्प्यूरियस स्टेशनरी पॉइंट्स नहीं होते और यह अत्याधुनिक निरंतर दृष्टिकोणों (continuous approaches) की तुलना में बेहतर प्रदर्शन करता है।
यह शोध पत्र एक न्यूरल नेटवर्क-आधारित ढांचे का प्रस्ताव करता है जो अनंत-आयामी फलन स्थानों (function spaces) में ऑर्थोनॉर्मल आधारों को पैरामीटराइज और अनुकूलित करता है, उन्हें परिमित-रैंक तिरछी-अदिश (skew-adjoint) जनरेटरों द्वारा संचालित ऑर्थोगोनल ली मैनिफोल्ड (orthogonal Lie manifold) पर निरंतर पथों के रूप में मॉडल करके, जो कि एक ऐसी विधि है जिसे सार्वभौमिक सिद्ध किया गया है और विशिष्ट डेटासेट एवं भौतिक संरचनाओं के लिए फूरियर (Fourier) जैसे निश्चित आधारों को प्रभावी ढंग से अनुकूलित करने के लिए प्रदर्शित किया गया है।
यह शोध पत्र प्रेडिक्टिव एंट्रॉपी मैक्सिमाइजेशन (Predictive Entropy Maximization) को प्रस्तुत करता है, जो ब्लाइंड सोर्स सेपरेशन के लिए एक जैविक रूप से सुसंगत ऑनलाइन एल्गोरिदम है, जो केवल स्थानीय भार अपडेट (local weight updates), डेंड्रिटिक एरर-ड्रिवन लर्निंग (dendritic error-driven learning) और अनुकूली पार्श्व निषेध (adaptive lateral inhibition) का उपयोग करके संरचित और सहसंबंधित स्रोतों पर प्रतिस्पर्धी प्रदर्शन प्राप्त करता है।
यह शोध पत्र CPD Online को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त (training-free), मॉडल-अज्ञेय (model-agnostic) डिटेक्टर है जो टोकन-स्तरीय एंट्रॉपी स्ट्रीम पर अनुक्रमिक चेंज-पॉइंट डिटेक्शन लागू करके सुव्यवस्थित अनुकूलन-आधारित (optimization-based) प्रतिकूल प्रॉम्प्ट्स की पहचान करता है, और मौजूदा परप्लेक्सिटी-आधारित विधियों की तुलना में बेहतर सटीकता और सटीक स्थानीयकरण प्राप्त करते हुए डाउनस्ट्रीम सुरक्षा फिल्टरों के लिए कम्प्यूटेशनल ओवरहेड को कम करता है।
यह शोध पत्र Argus को प्रस्तुत करता है, जो एक नवीन विकेंद्रीकृत बैकडोर डिटेक्शन फ्रेमवर्क है जो डेटा विषमता के तहत भी मॉडल उपयोगिता और अभिसरण गारंटी को बनाए रखते हुए, दुर्भावनापूर्ण नोड्स की पहचान करने और उन्हें हटाने के लिए स्थानीय पड़ोस सहयोग और संरचनात्मक समानता मेट्रिक्स का लाभ उठाता है, बिना किसी केंद्रीय समन्वयक के उच्च हमला शमन प्राप्त करता है।
यह शोध पत्र मल्टी-नोड लुकअहेड प्रेडिक्शन (MnLP) प्रस्तुत करता है, जो एक नवीन प्रशिक्षण रणनीति है जो भविष्य के कई नोड्स का प्रशिक्षण के दौरान एक साथ पूर्वानुमान लगाकर न्यूरल रूटिंग नीतियों को बेहतर बनाती है ताकि अल्पदृष्टि वाले निर्णय लेने की प्रक्रिया पर विजय प्राप्त की जा सके और बिना किसी इन्फरेंस ओवरहेड के दीर्घकालिक योजना में सुधार किया जा सके।
यह शोध पत्र विभेदक-ड्राइव (differential-drive) रोबोटों के लिए एक न्यूनतम विजुअल-इनर्शियल ओडोमेट्री (Visual-Inertial Odometry) प्रणाली प्रस्तुत करता है जो केवल चार फोटोडायोड मापों और IMU कोणीय डेटा के संयोजन से गति को डिकोड करने के लिए ऑप्टिकल गैबोर मास्क (Gabor masks) और एक टेम्पोरल कन्वोल्यूशनल नेटवर्क (Temporal Convolutional Network) को संयुक्त रूप से अनुकूलित करके सुदृढ़ समतलीय गति अनुमान प्राप्त करता है, जिससे उच्च-रिज़ॉल्यूशन कैमरों या वास्तविक दुनिया के फाइन-ट्यूनिंग की आवश्यकता समाप्त हो जाती है।
यह शोध पत्र तर्क देता है कि LLM बेंचमार्क डेटासेट को संदूषण-प्रतिरोधी (contamination-resistant) बनाने के लिए पुनर्गठित किया जाना चाहिए—जो प्रशिक्षण के दौरान सीखने में असमर्थ हो लेकिन अनुमान (inference) के दौरान हल करने योग्य बना रहे—ताकि संरचनात्मक विषमताओं और गणितीय प्रगतियों का लाभ उठाकर विश्वसनीय और पुनरुत्पादनीय मॉडल मूल्यांकन सुनिश्चित किया जा सके।