24017 पेपर
यह शोध पत्र रेगुलराइज्ड स्टीन वेरिएशनल ग्रेडिएंट डिसेंट (R-SVGD) एल्गोरिदम के लिए स्पष्ट गैर-एसिम्प्टोटिक परिमित-कण अभिसरण दरें स्थापित करता है, जो नियमितीकरण, स्टेप साइज और एवरेजिंग मापदंडों के सिद्धांतपूर्ण ट्यूनिंग के माध्यम से निरंतर-क्रम पूर्वाग्रह को ठीक करने और वास्तविक फिशर सूचना और वासरस्टीन दूरी में अभिसरण प्राप्त करने की इसकी क्षमता को प्रदर्शित करता है।
SuReNav एक सुपरपिक्सेल ग्राफ-आधारित फ्रेमवर्क है जो अर्ध-स्थिर (semi-static) वातावरणों में मानव प्रदर्शनों पर प्रशिक्षित ग्राफ न्यूरल नेटवर्क का उपयोग करके क्षेत्रीय बाधाओं को शिथिल करता है, जिससे सिमुलेटेड और वास्तविक दुनिया के शहरी परिवेशों में सुरक्षित, कुशल और मानव-समान पथ नियोजन सक्षम होता है, और यह अर्ध-प्रतिबंधित नेविगेशन की समस्या का समाधान करता है।
यह शोध पत्र लैपलेसियन कीबोर्ड (Laplacian Keyboard) का परिचय देता है, जो एक पदानुक्रमित ढांचा (hierarchical framework) है जो लैपलेसियन आइजनवेक्टर्स (Laplacian eigenvectors) से व्यवहारों का एक कार्य-अज्ञेय लाइब्रेरी (task-agnostic library) निर्मित करता है और उन्हें गतिशील रूप से जोड़ने के लिए एक मेटा-पॉलिसी सीखता है, जिससे रैखिक विस्तार-आधारित (linear span-based) ज़ीरो-शॉट नियंत्रण की अभिव्यक्ति संबंधी सीमाओं को पार करने और सुदृढीकरण शिक्षण (reinforcement learning) में बेहतर नमूना दक्षता (sample efficiency) प्राप्त करने में सफलता मिलती है।
यह शोध पत्र GRAFT का प्रस्ताव करता है, जो एक नवीन हाइब्रिड सर्वाइवल एनालिसिस मॉडल है जो एक लीनियर AFT मॉडल को नॉन-लीनियर रेसिडुअल न्यूरल नेटवर्क और स्टोकेस्टिक फीचर सिलेक्शन के साथ जोड़कर प्रोगनोस्टिक रैंकिंग को कैलिब्रेशन से अलग करता है, जिससे उच्च-आयामी, सेंसर डेटा सेटिंग्स में बेहतर डिस्क्रिमिनेशन और कैलिब्रेशन प्रदर्शन प्राप्त होता है।
यह शोध पत्र R&B-EnCoRe प्रस्तुत करता है, जो एक स्व-पर्यवेक्षित (self-supervised) ढांचा है जो एम्बोडीड रीजनिंग (embodied reasoning) को एक लेटेंट वेरिएबल के रूप में मानकर उसे बूटस्ट्रैप करता है ताकि इंटरनेट-स्केल ज्ञान से एक्शन-प्रेडिक्टिव रणनीतियों को आसवन (distill) किया जा सके, जिससे बिना किसी कठोर टेम्पलेट या बाहरी पुरस्कारों पर निर्भर रहे विभिन्न VLA मॉडलों में हेरफेर (manipulation), नेविगेशन और ड्राइविंग प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र AMS-HD को प्रस्तुत करता है, जो एक नवीन हाइपरडायमेंशनल कंप्यूटिंग फ्रेमवर्क है जो वियरेबल डिवाइस और FPGAs पर तीव्र पर्वतीय रुग्णता (एक्यूट माउंटेन सिकनेस) का वास्तविक समय में, ऊर्जा-कुशल और हार्डवेयर-अनुकूलित पता लगाने में सक्षम बनाता है, जो पारंपरिक मशीन लर्निंग विधियों की तुलना में बिजली की खपत और संसाधनों के उपयोग को काफी कम करते हुए प्रतिस्पर्धी सटीकता प्राप्त करता है।
यह शोध पत्र एक नवीन, डोमेन-अज्ञेय (domain-agnostic) ढांचे का प्रस्ताव करता है जो इनपुट संकेतों और क्लासिफायर लॉजिट्स (classifier logits) दोनों पर संचालित युग्मित डिफ्यूजन मॉडल्स का उपयोग करके संकेतों को संयुक्त रूप से बढ़ाता है और उन्हें वर्गीकृत करता है, जिससे क्लासिफायर को पुन: प्रशिक्षित किए बिना शोर वाले वातावरण में बेहतर सुदृढ़ता प्राप्त करने के लिए पारस्परिक मार्गदर्शन सक्षम होता है।
यह शोध पत्र STING को प्रस्तुत करता है, जो एक स्वचालित रेड-टीमिंग फ्रेमवर्क और विश्लेषण पद्धति है जो बहु-चरण (multi-turn), बहुभाषी LLM एजेंटों की अवैध सहायता के प्रति संवेदनशीलता का मूल्यांकन करता है, जिससे यह प्रकट होता है कि सिंगल-टर्न विधियों की तुलना में चरण-दर-चरण प्रतिकूल नियोजन (adversarial planning) हमले की सफलता को महत्वपूर्ण रूप से बढ़ा देता है और जेलब्रेक भेद्यता के संबंध में भाषा-संसाधन विषमताओं के बारे में धारणाओं को चुनौती देता है।
यह शोध पत्र ल्यूस्ट्र (Lustre) मॉडल चेकिंग और स्थानीय खोज (local search) के साथ संबंधों का लाभ उठाकर, सी-रास्प (C-RASP) प्रोग्रामों—जो ट्रांसफॉर्मर अभिव्यक्तता को समाहित करने वाले भाषा निर्माण हैं—को स्वचालित रूप से सत्यापित करने और सीखने के लिए नई एल्गोरिद्मिक तकनीकों को प्रस्तुत करता है, जिससे ट्रांसफॉर्मर प्रोग्राम अनुकूलन और बाधित शिक्षण (constrained learning) में अनुप्रयोग सक्षम होते हैं।
यह शोध पत्र डिस्क्रीट डिफ्यूजन (discrete diffusion) के लिए प्रेडिक्टर-करैक्टर सैंपलर (Predictor-Corrector samplers) के एक परिवार को प्रस्तुत करता है जो अधिक स्टेप्स के साथ जनरेशन की गुणवत्ता में सुधार करने के लिए एंसेस्ट्रल सैंपलिंग (ancestral sampling) के प्रदर्शन प्लेटो (performance plateau) को दूर करते हैं, और साथ ही एक मेमोरी-एफिशिएंट ट्रेनिंग करिकुलम का प्रस्ताव भी देते हैं जो इस धारणा को चुनौती देता है कि मास्कड डिफ्यूजन (Masked diffusion) लैंग्वेज मॉडलिंग के लिए बेहतर भविष्य है।