24017 पेपर
द लूप (The Loupe) विजन ट्रांसफॉर्मर्स के लिए एक हल्का, प्लग-एंड-प्ले स्थानिक गेटिंग मॉड्यूल है जो विभेदक विशेषताओं को बढ़ाने के लिए विरल स्थानिक मास्क (sparse spatial masks) की भविष्यवाणी करके सूक्ष्म-स्तरीय दृश्य वर्गीकरण को महत्वपूर्ण रूप से बढ़ाता है, और न्यूनतम पैरामीटर ओवरहेड के साथ CUB-200-2011 पर अत्याधुनिक परिणाम प्राप्त करता है।
यह शोध पत्र ORDinal Adaptive Correction (ORDAC) का प्रस्ताव करता है, जो एक नवीन डेटा-केंद्रित ढांचा है जो विभिन्न शोर स्थितियों के तहत Adience और Diabetic Retinopathy जैसे डेटासेट पर मॉडल की मजबूती और सटीकता में उल्लेखनीय सुधार करने के लिए प्रशिक्षण के दौरान शोर वाले ऑर्डिनल लेबल को गतिशील रूप से समायोजित और ठीक करने हेतु Label Distribution Learning का लाभ उठाता है।
यह शोध पत्र प्रोसेस कंसिस्टेंसी फ़िल्टर (PROF) को प्रस्तुत करता है, जो एक डेटा क्यूरेशन पद्धति है जो उच्च गुणवत्ता वाले प्रशिक्षण नमूनों का चयन करने के लिए प्रोसेस और आउटकम रिवॉर्ड मॉडल्स के बीच की निरंतरता का लाभ उठाती है, जिससे प्रत्यक्ष रिवॉर्ड ऑप्टिमाइज़ेशन की अस्थिरता से बचते हुए अंतिम-उत्तर सटीकता और रीजनिंग फेथफुलनेस दोनों में सुधार होता है।
MaskAttn-SDXL, SDXL के लिए एक प्लग-इन मॉड्यूल है जो क्रॉस-अटेंशन लॉजिट्स (cross-attention logits) में टोकन-कंडीशन्ड स्पेशियल गेटिंग (token-conditioned spatial gating) को इंजेक्ट करके नियंत्रित क्षेत्र-स्तरीय टेक्स्ट-टू-इमेज जनरेशन को बढ़ाता है, ताकि बैकबोन आर्किटेक्चर को बदले बिना या अतिरिक्त पर्यवेक्षण की आवश्यकता के बिना अप्रासंगिक एट्रिब्यूट बाइंडिंग्स को दबाया जा सके और कंपोजिशनल विश्वसनीयता में सुधार किया जा सके।
यह शोध पत्र CoUn को पेश करता है, जो एक नवीन मशीन अनलर्निंग फ्रेमवर्क है जो भूल जाने वाले नमूनों (forget samples) के प्रभाव को उनके सिमेंटिक रिप्रजेंटेशन को समायोजित करके प्रभावी ढंग से हटाने के लिए रिटेन डेटा पर कंट्रास्टिव लर्निंग और सुपरवाइज्ड लर्निंग का लाभ उठाता है, जिससे यह मौजूदा अत्याधुनिक तरीकों से बेहतर प्रदर्शन करता है।
यह शोध पत्र स्पार्स ट्रेनिंग स्कीम (STS) का प्रस्ताव करता है, जो एक स्टेज-अवेयर फ्रेमवर्क है जो कंप्यूटेशनल रेडंडेंसी के विभिन्न स्रोतों को संबोधित करने के लिए एलाइनमेंट के दौरान विजुअल टोकन्स को डायनामिक रूप से कंप्रेस करके और इंस्ट्रक्शन ट्यूनिंग के दौरान अनावश्यक लेयर्स को स्किप करके मल्टीमॉडल लार्ज लैंग्वेज मॉडल ट्रेनिंग की दक्षता में सुधार करता है।
यह शोध पत्र इनपुट आयाम के सापेक्ष प्रमुख कार्यों, जिनमें धनात्मकता (positivity) का निर्णय लेना, लिप्सचिट्ज़ स्थिरांक (Lipschitz constants) की गणना करना और ज़ोनोटोप समावेशन (zonotope containment) शामिल हैं, को W[1]-हार्ड सिद्ध करके न्यूरल नेटवर्क सत्यापन की पैरामीटराइज्ड जटिलता से संबंधित खुली समस्याओं का समाधान करता है, जिससे यह स्थापित होता है कि एक्सपोनेंशियल टाइम हाइपोथीसिस (Exponential Time Hypothesis) के तहत सहज गणनात्मक विधियाँ (naive enumeration methods) अनिवार्य रूप से इष्टतम हैं।
यह शोध पत्र स्पार्स डीप एडिटिव मॉडल विद इंटरैक्शंस (SDAMI) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो कम-नमूना, उच्च-आयामी डेटा में मजबूत व्याख्यात्मकता बनाए रखते हुए और गलत सकारात्मकता को न्यूनतम करते हुए जटिल उच्च-क्रम अंतःक्रियाओं और मुख्य प्रभावों को सटीक रूप से पहचानने के लिए "इफेक्ट फुटप्रिंट" सिद्धांत और एक तीन-चरणीय डीप लर्निंग रणनीति का लाभ उठाता है।
यह शोध पत्र डेंसिटी-रेश्यो वेटेड बिहेवियरल क्लोनिंग (Density-Ratio Weighted Behavioral Cloning) प्रस्तुत करता है, जो एक सुदृढ़ ऑफलाइन रिइन्फोर्समेंट लर्निंग पद्धति है जो डेंसिटी-रेश्यो वेट्स का अनुमान लगाने और उन्हें लागू करने के लिए एक छोटे स्वच्छ संदर्भ सेट (clean reference set) का लाभ उठाती है, जिससे बिना किसी पूर्व भ्रष्टाचार तंत्र के ज्ञान के, प्रतिकूल हमलों या निम्न-गुणवत्ता वाले नमूनों से अत्यधिक दूषित डेटासेट से भी निकट-इष्टतम नियंत्रण नीतियों को सीखना सक्षम होता है।
यह शोध पत्र मल्टी-क्लास भविष्यवाणियों के लिए पूर्णतः सत्यनिष्ठ अंशांकन त्रुटियों (calibration errors) को प्रस्तुत करता है जो रणनीतिक संभाव्यता विरूपण को रोकते हैं, ब्लैकवेल प्रभुत्व (Blackwell dominance) को संरक्षित करते हैं, और मानक गैर-सत्यनिष्ठ मापों की तुलना में अधिक स्थिर मॉडल रैंकिंग प्रदान करते हैं।