24017 पेपर
यह शोध पत्र नॉनकॉन्वेक्स (nonconvex) बाइ-लेवल ऑप्टिमाइज़ेशन के लिए एक डेरिवेटिव-मुक्त कंसेंसस-आधारित पार्टिकल विधि प्रस्तावित करता है जो स्मूथ क्वांटाइल सिलेक्शन और गिब्स-टाइप लैप्लेस एप्रोक्सिमेशन का उपयोग करती है, जो मीन-फील्ड डायनेमिक्स और फाइनाइट-पार्टिकल एप्रोक्सिमेशन दोनों के लिए कठोर अभिसरण गारंटी स्थापित करती है और संख्यात्मक प्रयोगों के माध्यम से प्रभावकारिता प्रदर्शित करती है।
यह शोध पत्र एक डिफ्यूजन-कोपुला (Diffusion-Copula) ढांचे का प्रस्ताव करता है जो मानक डिफ्यूजन मॉडल के "नॉर्मलिटी बायस" (normality bias) को दूर करने के लिए मार्जिनल डिस्ट्रीब्यूशन लर्निंग को डिपेंडेंस मॉडलिंग से अलग करता है, जिससे क्रिप्टोकरेंसी बाजारों में चरम वित्तीय जोखिमों और प्रणालीगत बाजार क्रैशों के पूर्वानुमान में बेहतर सटीकता प्राप्त होती है।
यह शोध पत्र MSAlign प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो स्टेट-ऑफ-द-आर्ट मेटाबोलाइट पहचान प्राप्त करने के लिए कंट्रास्टिव लर्निंग के माध्यम से मास स्पेक्ट्रा और अणुओं के लिए फ्रोजन फाउंडेशन मॉडल्स को संरेखित करता है, साथ ही पुनरुत्पादकता चुनौतियों का समाधान करता है और मूल्यांकन रणनीतियों में डेटा लीकेज और डोमेन शिफ्ट के बीच के ट्रेड-ऑफ को औपचारिक रूप देता है।
यह शोध पत्र एक विस्तारित साइक्लोनडीएक्स (CycloneDX) आधारित आर्टिफिशियल इंटेलिजेंस बिल ऑफ मैटेरियल्स (AIBOM) ढांचे को प्रस्तुत करता है जो सत्यापन योग्य उत्पत्ति और जीवनचक्र आश्वासन प्राप्त करने के लिए क्रिप्टोग्राफिक सत्यापन और स्वायत्त एआई पाइपलाइनों का लाभ उठाता है, जो एआई प्रणालियों के लिए उच्च पुनरुत्पादकता निष्ठा और मैनुअल निरीक्षण में महत्वपूर्ण कमी प्रदर्शित करता है।
यह शोध पत्र AR1-ZO को प्रस्तुत करता है, जो एक टोपोलॉजी-जागरूक ज़ीरो-ऑर्डर ऑप्टिमाइज़ेशन विधि है जो एक सुधारात्मक स्केलिंग फैक्टर के साथ व्यक्तिगत रैंक-1 परमाणुओं (atoms) को क्वेरी करके उच्च-रैंक LoRA फाइन-ट्यूनिंग में रैंक विरोधाभास (rank paradox) को हल करता है, जिससे सिग्नल की शक्ति बहाल होती है और सहायक आधारों (auxiliary bases) या अतिरिक्त फॉरवर्ड पास के बिना प्रभावी मेमोरी-कुशल प्रशिक्षण सक्षम होता है।
यह शोध पत्र निरंतर एआई एजेंट मूल्यांकन के लिए एक वितरण-मुक्त (distribution-free) ढांचे को प्रस्तुत करता है जो कैलिब्रेटेड अनिश्चितता अंतराल (calibrated uncertainty intervals), मल्टी-एजेंट पाइपलाइनों के लिए संरचनात्मक सीमाएं (compositional bounds), और रैंकिंग के लिए नियंत्रित अपवर्जन नियम (controlled abstention rules) प्रदान करने के लिए कॉन्फॉर्मल प्रेडिक्शन और एडेप्टिव कॉन्फॉर्मल इन्फरेंस को अनुकूलित करता है, जो 50 एजेंटों और 18 रियल-टाइम सिग्नलों पर मजबूत प्रदर्शन प्रदर्शित करता है।
यह अध्ययन प्रदर्शित करता है कि हार्डवेयर-जागरूक कोड अनुकूलन (hardware-aware code optimization) में एलएलएम (LLM) एजेंट मुख्य रूप से प्रीट्रेंड प्रायर्स (pretrained priors) पर निर्भर करते हैं न कि पुनरावृत्ति फीडबैक (iterative feedback) या एजेंटिक संरचनाओं पर, जैसा कि ब्लैक-बॉक्स सेटिंग्स में उनके ग्रीडी व्यवहार (greedy behavior), अनदेखे कर्नेल आकारों के प्रति अनुकूलन करने में अक्षमता, और लो-डेंसिटी इंटरमीडिएट रिप्रेजेंटेशन (low-density intermediate representations) के साथ काम करने पर प्रदर्शन में गिरावट से सिद्ध होता है।
यह शोध पत्र StitchVM को प्रस्तुत करता है, जो एक हल्का मॉडल स्टिचिंग फ्रेमवर्क है जो एक फ्रोजन डिफ्यूजन बैकबोन को संलग्न करके प्रीट्रेन पिक्सेल-स्पेस रिवॉर्ड मॉडल्स को नॉइज़ी लेटेंट स्पेस में कुशलतापूर्वक स्थानांतरित करता है, जिससे टवीडी अनुमानों (Tweedie estimates) के पूर्वाग्रह या मोंटे कार्लो रोलआउट्स की उच्च लागत के बिना डिफ्यूजन मॉडल्स का सटीक और गणनात्मक रूप से कुशल संरेखण सक्षम होता है।
यह शोध पत्र LionMuon को पेश करता है, जो एक कुशल ऑप्टिमाइज़र है जो एक ही मोमेंटम बफर साझा करते हुए Lion और Muon के अपडेट्स के बीच बारी-बारी से काम करता है, जिससे AdamW, Lion और Muon जैसे मौजूदा तरीकों की तुलना में विभिन्न मॉडल स्केल्स पर बेहतर प्रदर्शन और कम कम्प्यूटेशनल लागत प्राप्त होती है।
यह शोध पत्र FLUXtrapolation को प्रस्तुत करता है, जो एक नया बेंचमार्क है जिसे बढ़ते हुए कठिन वितरण परिवर्तनों (distribution shifts) के तहत पारिस्थितिकी तंत्र के प्रवाह (ecosystem fluxes) का अनुमान लगाने की मशीन लर्निंग मॉडलों की क्षमता का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जिससे विरल टावर मापों (sparse tower measurements) को वैश्विक स्तरों तक सटीक रूप से अपस्केल करने की महत्वपूर्ण चुनौती का समाधान किया जा सके।