24132 पेपर
यह शोध पत्र InGSL को प्रस्तुत करता है, जो एक नवीन प्लग-इन मॉड्यूल है जो किनारा निर्माण (edge construction) में समानता और विविधता को संतुलित करने के लिए एक पारस्परिक-सूचना-निर्देशित रणनीति को शामिल करके ग्राफ संरचना शिक्षण (Graph Structure Learning) को बढ़ाता है, जिससे किनारों की संख्या और संबंधित कम्प्यूटेशनल ओवरहेड को महत्वपूर्ण रूप से कम करते हुए मॉडल के प्रदर्शन में सुधार होता है।
यह शोध पत्र एक जैकोबियन-निर्देशित अनिसोट्रोपिक नॉइज़ रिशेपिंग (Jacobian-guided anisotropic noise reshaping) विधि प्रस्तावित करता है जो डाउनस्ट्रीम मॉडल के जैकोबियन के माध्यम से पहचाने गए कार्य-महत्वपूर्ण उप-स्थानों (task-critical subspaces) में शोर को चुनिंदा रूप से कम करके लोकल डिफरेंशियल प्राइवेसी उपयोगिता को बढ़ाता है, जिससे गोपनीयता बजट से समझौता किए बिना CIFAR-10-C पर डेटा उपयोगिता में लगभग 20% का सुधार होता है।
यह शोध पत्र एक सार्वभौमिक ग्राफ बैकडोर रक्षा ढांचे का प्रस्ताव करता है जो इस अंतर्दृष्टि का लाभ उठाता है कि बैकडोर वाले नोड्स (nodes) स्वच्छ नोड्स की तुलना में कम फीचर-आधारित होमोफिली (homophily) प्रदर्शित करते हैं, और सबग्राफ-आधारित एवं फीचर-आधारित ग्राफ बैकडोर हमलों को प्रभावी ढंग से कम करने के लिए एक नेबर-अवेयर रिकंस्ट्रक्शन लॉस (neighbor-aware reconstruction loss) और मजबूत प्रशिक्षण रणनीति का उपयोग करता है जबकि स्वच्छ सटीकता को बनाए रखता है।
यह शोध पत्र एक एकीकृत ढांचे का प्रस्ताव करता है जो LLM डिस्टिलेशन में पारंपरिक रूप से जुड़े हुए प्रिफिक्स स्रोत (prefix source) और KL डाइवर्जेंस दिशा के विकल्पों को अलग करता है, जो चार विशिष्ट उद्देश्यों को प्रकट करता है और तर्क संबंधी कार्यों (reasoning tasks) में सटीकता, विविधता और दक्षता के बीच संतुलन को अनुकूलित करने के लिए KL मिक्सिंग और एंट्रॉपी-गेटेड करिकुलम जैसी व्यावहारिक तकनीकों को पेश करता है।
यह शोध पत्र एक प्रेडिक्शन-इंटरवेंशन गेम फ्रेमवर्क पेश करता है जहाँ एक लीडर (नेता) फॉलोअर (अनुगामी) के रणनीतिक कोवेरिएट हस्तक्षेपों का पूर्वानुमान लगाता है, यह सिद्ध करते हुए कि "स्टेबल ब्लैंकेट" (कोवेरिएट्स का एक विशिष्ट अपरिवर्तनीय उपसमुच्चय) पर आधारित भविष्यवक्ता केवल कॉज़ल पेरेंट्स (कारणजनक माता-पिता) पर निर्भर रहने वाले भविष्यवक्ताओं की तुलना में श्रेष्ठ या समकक्ष प्रदर्शन प्रदान करते हैं, साथ ही सबसे खराब स्थिति की इष्टतमता (worst-case optimality) के लिए स्थितियाँ स्थापित करते हैं और सिमुलेशन एवं वास्तविक डेटा के माध्यम से इन रणनीतियों को मान्य करते हैं।
यह शोधपत्र HYVINT को प्रस्तुत करता है, जो एक तीव्रता-संचालित हाइपरग्राफ जनरेटिव फ्रेमवर्क है जो सिंथेटिक और वास्तविक दुनिया के डेटासेट पर उच्च पीढ़ीगत निष्ठा (fidelity), विविधता और व्याख्यात्मकता प्राप्त करने के लिए बाइनरी इनसिडेंस (incidence) से लेटेंट इंटरेक्शन स्ट्रेंथ को जोड़ने वाले एक नवीन तंत्र और एक सुलभ वेरिएशनल एस्टिमेटर का उपयोग करता है।
यह शोध पत्र "पैटर्न इंडक्शन" (Pattern Induction) को पेश करते हुए विजन-लैंग्वेज मॉडल्स के लिए विजुअल प्लानिंग में संवेदी बाधा (perceptual bottleneck) को संबोधित करता है, जो एक ऑनलाइन लर्निंग रणनीति है जो पुन: प्रयोज्य विजुअल पैटर्न को स्वायत्त रूप से खोजती है ताकि महंगी पुनरावृत्तिपूर्ण धारणा (iterative perception) के बजाय सीधे अनुमान (direct inference) के माध्यम से कुशल, प्रशिक्षण-मुक्त नियोजन सक्षम किया जा सके।
PhysioSeq2Seq एक हाइब्रिड डीप लर्निंग फ्रेमवर्क है जो टाइप 1 डायबिटीज में रिकर्सिव एरर कंपाउंडिंग को समाप्त करने और लॉन्ग-होरिज़न ग्लूकोज फोरकास्टिंग बायस को कम करने के लिए पेशेंट-स्पेसिफिक फिजियोलॉजिकल डिजिटल ट्विन्स को सीक्वेंस-टू-सीक्वेंस LSTM के साथ जोड़ता है, जो मानक रिकर्सिव LSTMs और विशुद्ध रूप से मैकेनिस्टिक ODE मॉडल्स दोनों की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोधपत्र XDiffuser प्रस्तुत करता है, जो एक नवीन दृष्टिकोण है जो एक्सट्रिंसिक ग्राफ-आधारित खोज (extrinsic graph-based search) का उपयोग करके एक हल्का प्लान (lightweight plan) तैयार करता है जो डिनोइजिंग प्रक्रिया को निर्देशित करता है, जिससे इंट्रिंसिक खोज (intrinsic search) के कम्प्यूटेशनल ओवरहेड के बिना वैश्विक सुसंगतता और जटिल कार्यों पर प्रदर्शन में सुधार करके लॉन्ग-होरिज़न डिफ्यूजन प्लानिंग को बढ़ाता है।
यह शोधपत्र ArtifactLinker पेश करता है, जो एक दो-चरणीय ढांचा है जो वैज्ञानिक आर्टिफ़ैक्ट्स को एक ग्राफ के रूप में मॉडल करता है ताकि GNNs या LLMs के साथ संभावित लिंक्स को रैंक करके और LLM-आधारित कोडिंग एजेंटों के माध्यम से उन्हें सत्यापित करके डेटासेट्स के लिए अत्याधुनिक (state-of-the-art) मॉडल्स को स्वचालित रूप से खोजा जा सके, जिसे नए ArtifactBench बेंचमार्क द्वारा मान्य किया गया है।