24017 पेपर
यह शोधपत्र एजेंटों की अंतःक्रियाओं के लिए टोपोलॉजी-निर्भर व्यंजक (topology-dependent expressions) व्युत्पन्न करके, प्रभावशाली एजेंटों को रैंक करने के लिए एक एल्गोरिदम प्रस्तावित करके, और अवलोकनात्मक डेटा से मॉडल मापदंडों को सीखने की एक विधि विकसित करके सामाजिक शिक्षण नेटवर्क के भीतर कारण प्रभावों (causal influences) की जांच करता है।
यह शोध पत्र नॉर्मल डिस्ट्रीब्यूशन इंडिस्टिंग्विशेबिलिटी स्पेक्ट्रम (NDIS) को प्रस्तुत करता है, जो गाऊसीय आउटपुट वाले किसी भी एल्गोरिदम की डिफरेंशियल प्राइवेसी की गणना करने के लिए एक क्लोज्ड-फॉर्म एनालिटिकल टूल है, जो प्राइवेसी-प्रिजर्विंग मशीन लर्निंग अनुप्रयोगों के एक व्यापक वर्ग के लिए अधिक सटीक प्राइवेसी प्रूफ, अधिक नॉइज़-एफिशिएंट मैकेनिज्म और व्हाइट-बॉक्स ऑडिटिंग को सक्षम बनाता है।
यह शोध पत्र वास्तविक मीट्रिक के स्पष्ट रूप पर आधारित संरचित डीप ReLU नेटवर्क का निर्माण करके मीट्रिक और समानता शिक्षण (similarity learning) के लिए पहला कठोर सामान्यीकरण विश्लेषण प्रस्तुत करता है ताकि अनुमान (approximation) और आकलन (estimation) त्रुटियों को संतुलित करने वाले स्पष्ट अतिरिक्त जोखिम सीमाएँ (excess risk bounds) प्राप्त की जा सकें।
यह शोध पत्र बड़े विचलन सिद्धांत (large deviations theory) का उपयोग यह प्रदर्शित करने के लिए करता है कि गैर-उत्तल (non-convex) समस्याओं में स्टोकेस्टिक ग्रेडिएंट डिसेंट का दीर्घकालिक वितरण एक बोल्ट्ज़मैन-गिब्स वितरण के समान होता है, जिसके कारण यह एल्गोरिदम गैर-महत्वपूर्ण क्षेत्रों, स्थानीय अधिकतम (local maximizers), और सैडल पॉइंट्स की तुलना में कम ऊर्जा अवस्थाओं वाले महत्वपूर्ण क्षेत्रों को तेजी से प्राथमिकता देता है।
यह शोध पत्र ERFSL का प्रस्ताव करता है, जो एक कुशल फ्रेमवर्क है जो जटिल कस्टम वातावरणों में सिमेंटिक समझ, कोड सुधार के लिए एक रिवॉर्ड क्रिटिक और जेनेटिक-जैसे वेट एडजस्टमेंट रणनीतियों के माध्यम से मल्टी-ऑब्जेक्टिव रिवॉर्ड फंक्शन्स को स्वचालित रूप से उत्पन्न करने और पुनरावृत्ति रूप से अनुकूलित करने के लिए व्हाइट-बॉक्स सर्चर्स के रूप में लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिससे न्यूनतम मानवीय फीडबैक के साथ पारेटो-ऑप्टिमल समाधानों की तीव्र अभिसरण प्राप्त होती है।
यह शोध पत्र साइन्ड मेजर्स (signed measures) के तहत लर्नैबिलिटी (learnability) स्थापित करके और आउट-ऑफ-डिस्ट्रीब्यूशन (OOD) जनरलाइजेशन बाउंड्स को व्युत्पन्न करके क्वेरी-ड्रिवन सेलेक्टिविटी लर्निंग में सिद्धांत और व्यवहार के बीच के अंतर को पाटता है, जो दो ऐसी रणनीतियों की ओर ले जाता है जो इन-डिस्ट्रीब्यूशन प्रदर्शन को बनाए रखते हुए OOD क्वेरीज़ पर मॉडल की सटीकता और लेटेंसी में महत्वपूर्ण सुधार करती हैं।
यह शोध पत्र तीन नए मूल्यांकन मेट्रिक्स प्रस्तुत करता है जो यह आकलन करते हैं कि सिंथेटिक सारणीबद्ध डेटा (टेबुलर डेटा) निर्माण विधियाँ स्तंभों के बीच तार्किक संबंधों और निर्भरताओं को कितनी अच्छी तरह सुरक्षित रखती हैं, जो यह प्रकट करता है कि वर्तमान अत्याधुनिक दृष्टिकोण अक्सर यथार्थवादी घटना अनुक्रमों और इकाई सुसंगतता के लिए आवश्यक सूक्ष्म-स्तरीय यथार्थवाद को बनाए रखने में विफल रहते हैं।
यह शोध पत्र ReAlignFit का प्रस्ताव करता है, जो एक नवीन ढांचा (framework) है जो एक रासायनिक 'इंड्यूस्ड फिट' (Induced Fit) आधारित इंडक्टिव बायस और एक 'सबग्राफ इंफॉर्मेशन बॉटलनेक' (Subgraph Information Bottleneck) के माध्यम से सबस्ट्रक्चर रिप्रजेंटेशन को गतिशील रूप से संरेखित करके मॉलिक्यूलर रिलेशनल लर्निंग की स्थिरता और प्रदर्शन को बढ़ाता है, जो प्रभावी रूप से रूल-शिफ्टेड और स्कैफोल्ड-शिफ्टेड डेटा वितरणों की चुनौतियों का समाधान करता है।
यह शोध पत्र KCGen-KT को प्रस्तुत करता है, जो एक स्वचालित LLM-आधारित पाइपलाइन है जो ओपन-एंडेड कोडिंग समस्याओं के लिए नॉलेज कंपोनेंट्स (ज्ञान घटकों) को उत्पन्न और टैग करती है, और व्यापक मूल्यांकन के माध्यम से यह प्रदर्शित करती है कि ये AI-जनरेटेड घटक छात्र प्रदर्शन की भविष्यवाणी करने और लर्निंग कर्व्स को मॉडल करने में पारंपरिक मानव-लिखित घटकों से बेहतर प्रदर्शन करते हैं।
यह शोध पत्र CayleyPy परियोजना प्रस्तुत करता है, जो विशाल Cayley ग्राफ पर पाथफाइंडिंग को कुशलतापूर्वक हल करने के लिए डिफ्यूजन डिस्टेंस विधियों के साथ सुदृढीकरण लर्निंग (reinforcement learning) को जोड़ता है, जो GAP जैसे शास्त्रीय उपकरणों से सफलतापूर्वक पार पाकर, सिमेट्रिक ग्रुप के व्यास (diameter) के संबंध में OEIS-A186783 अनुमान के लिए पुख्ता प्रमाण प्रदान करता है, और नए सैद्धांतिक बंध स्थापित करते हुए Kaggle चुनौतियों के माध्यम से सामुदायिक भागीदारी को आमंत्रित करता है।