24083 पेपर
यह शोध पत्र सैंपलिंग-आधारित नॉनकॉन्वेक्स ऑप्टिमाइज़ेशन के लिए नॉन-एसिम्टोटिक अभिसरण गारंटी स्थापित करता है, जो इसे एक स्मूदन किए गए ऑब्जेक्टिव पर ग्रेडिएंट डिसेंट के रूप में पुनर्गठित करके किया गया है, जिससे एक मौलिक कवरेज-ऑप्टिमैलिटी ट्रेड-ऑफ का खुलासा होता है और एक प्रमाणित रूप से अभिसरण करने वाला डिफ्यूजन-इंस्पायर्ड ड्यूल-एनीलिंग (DIDA) एल्गोरिदम प्रस्तावित किया जाता है।
यह शोध पत्र डीप कॉक्स (Deep Cox) मॉडल्स की उत्तरजीविता संभावनाओं (survival probabilities) को कैलिब्रेट करने के लिए एक नवीन पोस्ट-हॉक आइसोटोनिक रिग्रेशन विधि का प्रस्ताव करता है, जो उनकी विभेदन शक्ति (discriminative power) से समझौता किए बिना सैद्धांतिक गारंटी और बेहतर व्यावहारिक उपयोगिता प्रदान करता है।
यह शोध पत्र ARL2 को प्रस्तुत करता है, जो एक हाइब्रिड अटेंशन आर्किटेक्चर है जिसे ऑटोरेग्रेसिव वीडियो डिफ्यूजन के लिए बनाया गया है, जो रैखिक-समय स्केलिंग और स्थिर मेमोरी उपयोग प्राप्त करने के लिए क्वाड्रेटिक क्रॉस-फ्रेम अटेंशन को एक निश्चित आकार के रिकरेंट स्टेट से बदल देता है और साथ ही टेम्पोरल कंसिस्टेंसी और जनरेशन क्वालिटी को बनाए रखता है या उसमें सुधार करता है।
यह शोध पत्र बकेट मास्किंगिंग (Bucket Masking) को प्रस्तुत करता है, जो एक संरचना-जागरूक प्रशिक्षण रणनीति है जो लंबी दूरी की संरचनात्मक निर्भरताओं को बेहतर ढंग से पकड़ने के लिए स्थानिक रूप से निकटवर्ती अवशेषों (residues) के समूहों को प्राथमिकता से मास्क करती है, जिसके परिणामस्वरूप मानक रैंडम मास्किंग की तुलना में प्रोटीन फिटनेस भविष्यवाणी कार्यों में 14% तक का सुधार होता है।
यह शोध पत्र fPINN-DeepONet प्रस्तुत करता है, जो एक नवीन भौतिकी-सूचित गहन ऑपरेटर लर्निंग (physics-informed deep operator learning) ढांचा है, जो कैपुटो (Caputo) भिन्नात्मक अवकलजों (fractional derivatives) के लिए सन्निकटन को ऑपरेटर लर्निंग के साथ जोड़ता है ताकि स्थिर और परिवर्तनीय भिन्नात्मक क्रम वाले बहु-पद समय-भिन्नात्मक मिश्रित विसरण-तरंग समीकरणों (multi-term time-fractional mixed diffusion-wave equations) को शोर युक्त डेटा की उपस्थिति में भी सटीक और सुदृढ़ रूप से हल किया जा सके।
यह शोध पत्र R2V-Agent को पेश करता है, जो एक जोखिम-कैलिब्रेटेड फ्रेमवर्क है जो एक छोटे भाषा मॉडल (SLM) को सत्यापनकर्ता-निर्देशित अनुकूलन (verifier-guided optimization) और एक स्टेप-लेवल राउटर के साथ प्रशिक्षित करता है ताकि केवल उच्च-जोखिम वाले निर्णयों को ही एक महंगी बड़े भाषा मॉडल (LLM) तक गतिशील रूप से पहुँचाया जा सके, जिससे विविध बेंचमार्क पर महंगे LLM के उपयोग को कम करते हुए कार्य सफलता दर में महत्वपूर्ण सुधार होता है।
यह शोधपत्र टेंसर नेटवर्क के लिए एक स्व-निहित मार्गदर्शिका प्रदान करता है, जो यह प्रदर्शित करता है कि कैसे उनकी ग्राफ़िकल नोटेशन पारंपरिक इंडेक्स-आधारित विधियों की तुलना में अधिक पारदर्शी प्रमाण और कुशल व्युत्पत्ति प्रदान करके उच्च-आयामी टेंसरों के प्रतिनिधित्व, हेरफेर और विश्लेषण को सरल बनाती है।
यह शोध पत्र कोऑर्डिनेट-वाइज नॉन-डिक्रीजिंग फंक्शन्स (coordinate-wise non-decreasing functions) की न्यूनतम धारणा के तहत इवैल्यूएटर प्रेफरेंसेस को सीखने के लिए एक सुदृढ़ एल्गोरिदम प्रस्तावित करता है, जो सैद्धांतिक और अनुभवजन्य रूप से यह प्रदर्शित करता है कि यह लीनियरिटी धारणाएं लागू होने पर भी उच्च प्रदर्शन बनाए रखते हुए सामान्य मॉडल मिसमैच के दोषों से बचता है।
यह शोध पत्र MLReplicate को प्रस्तुत करता है, जो एक व्यापक बेंचमार्क है जो यह प्रदर्शित करता है कि वर्तमान स्वायत्त अनुसंधान प्रणालियाँ वैज्ञानिक कठोरता और पुनरुत्पादकता (reproducibility) के साथ संघर्ष करती हैं, जिससे यह स्पष्ट होता है कि आउटपुट की गुणवत्ता के लिए वर्कफ़्लो डिज़ाइन, कम्प्यूटेशनल स्केल या टोकन बजट की तुलना में अधिक महत्वपूर्ण है।
यह शोधपत्र SCOUT का प्रस्ताव करता है, जो एक नवीन ढांचा (framework) है जो नॉनलीनियर चक्रीय कारण संरचनाओं (nonlinear cyclic causal structures) की खोज करने और सॉफ्ट इंटरवेंशनल डेटा से अज्ञात हस्तक्षेप लक्ष्यों (unknown intervention targets) की पहचान करने के लिए नॉर्मलाइजिंग फ्लो (normalizing flows) का लाभ उठाता है, जो अचक्रीयता (acyclicity), गॉसियन शोर (Gaussian noise) और ज्ञात हस्तक्षेप लक्ष्यों जैसे सामान्य धारणाओं को शिथिल करके मौजूदा अत्याधुनिक विधियों से बेहतर प्रदर्शन करता है।