24135 पेपर
यह शोध पत्र प्रदर्शित करता है कि डिफ्यूजन मॉडल्स की रचनात्मकता डिनोइज़र आर्किटेक्चर और लक्षित वितरण (target distribution) के बीच विशिष्ट अंतःक्रिया से उत्पन्न होती है, जो यह दर्शाता है कि सैद्धांतिक विश्लेषण और अनुभवजन्य परिणाम दोनों इस बात की पुष्टि करते हैं कि सफल जनरेशन के लिए मॉडल के इंडक्टिव बायस (inductive bias) और वास्तविक डेटा वितरण के बीच मजबूत संरेखण आवश्यक है।
यह शोध पत्र एक प्रक्षेपवक्र-निर्देशित (trajectory-guided) इमेज-टू-वीडियो डिफ्यूजन पाइपलाइन प्रस्तावित करता है जो प्रोजेक्टेड जीपीएस टेलीमेट्री पर एक प्री-ट्रेंड मॉडल को कंडिशन करके समुद्री ड्रोन फुटेज में लुप्त फ्रेमों को पुनर्गठित करता है, जो डोमेन-विशिष्ट फाइन-ट्यूनिंग की आवश्यकता के बिना पारंपरिक इंटरपोलेशन बेसलाइन की तुलना में बेहतर दृश्य गुणवत्ता और मोशन यथार्थवाद प्राप्त करता है।
QuantFPFlow एक सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो फॉकर-प्लैंक (Fokker–Planck) विभाजन फलन अनुमान में एक प्रमाणित द्विघातीय त्वरण (quadratic speedup) प्राप्त करने के लिए क्वांटम एम्प्लीट्यूड अनुमान (quantum amplitude estimation) का लाभ उठाता है, जिससे सॉफ्ट एक्टर-क्रिटिक (Soft Actor-Critic) जैसे शास्त्रीय तरीकों की तुलना में निरंतर नियंत्रण कार्यों में अधिक प्रभावी अन्वेषण सक्षम होता है और समयपूर्व अभिसरण (premature convergence) को रोकता है।
DeepArrhythmia एक मल्टीमॉडल, टूल-ग्राउंडेड फ्रेमवर्क है जो शारीरिक माप को साक्ष्य एकीकरण से अलग करके और संदर्भत्मक लय और रूपात्मक साक्ष्य को चुनिंदा रूप से प्राप्त करने के लिए सेगमेंट-स्तरीय आत्मविश्वास का उपयोग करके बीट-स्तर के ईसीजी अतालता वर्गीकरण में सुधार करता है।
यह शोध पत्र प्रदर्शित करता है कि फाइन-ट्यून्ड मास्कड डिफ्यूजन लैंग्वेज मॉडल्स (Masked Diffusion Language Models), रिकंस्ट्रक्शन लॉस-आधारित क्लासिफायर और व्यावहारिक शैडो मॉडल ट्रांसफर हमलों के माध्यम से उच्च सफलता दर प्राप्त करके, पहले की तुलना में काफी अधिक मेंबरशिप इन्फरेंस हमलों के प्रति संवेदनशील हैं।
यह शोध पत्र ऑनलाइन प्राइमल-डुअल एलोकेशन (OPDA) प्रस्तुत करता है, जो एक कैलिब्रेशन-मुक्त नियंत्रक है जो फेयरनेस और स्टेबिलिटी पेनल्टीज़ को गतिशील रूप से शेड्यूल करता है ताकि टैबुलर सेमी-सुपरवाइज्ड लर्निंग में मास्किंग कोलैप्स और ट्रिवियल सैचुरेशन जैसे स्ट्रक्चरल फेल्योर मोड्स को रोका जा सके, जिससे प्रति-डेटासेट ट्यूनिंग के बिना प्रतिस्पर्धी फेयरनेस-यूटिलिटी ट्रेड-ऑफ प्राप्त किया जा सके।
यह शोध पत्र QuChaTeR को प्रस्तुत करता है, जो एक हाइब्रिड क्वांटम-केओटिक (chaotic) टेम्पोरल फ्रेमवर्क है जो भूकंपीय संकेतों की गैर-रेखीय गतिशीलता (nonlinear dynamics) को प्रभावी ढंग से पकड़ने के लिए वेवलेट प्रीप्रोसेसिंग, केओटिक मैप्स और वेरिएशनल क्वांटम सर्किट को एकीकृत करता है ताकि भूकंप की भविष्यवाणी करने में शास्त्रीय और क्वांटम-प्रेरित मॉडलों से बेहतर प्रदर्शन किया जा सके।
यह शोधपत्र एक पहचान योग्य टोकन पत्राचार (identifiable token correspondence) के साथ एक संरचित संभाव्य अनुमान ढांचे (structured probabilistic inference framework) को पेश करके ट्रांसफॉर्मर-आधारित वर्ल्ड मॉडल्स में टेम्पोरल विसंगतियों (temporal inconsistencies) को संबोधित करता है, जो चुनौतीपूर्ण बेंचमार्क पर दीर्घकालिक विजुअल सुदृढीकरण शिक्षण (long-horizon visual reinforcement learning) प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह शोध पत्र LoRA-Over को प्रस्तुत करता है, जो एक पैरामीटर-कुशल फाइन-ट्यूनिंग फ्रेमवर्क है जो विविध कार्यों में सामान्यीकरण (generalization) में सुधार करने के लिए प्रशिक्षण के दौरान लो-रैंक एडेप्टरों को सहायक पैरामीटरों के साथ अस्थायी रूप से समृद्ध करता है, और फिर बिना किसी अतिरिक्त लागत के अनुमान (inference) के लिए उन्हें वापस एक मानक लो-रैंक संरचना में संकुचित कर देता है।
यह शोध पत्र एक मेटा-लर्निंग फ्रेमवर्क प्रस्तावित करता है जहाँ एक फ्रोजन जनरेटिव मॉडल (क्रिएटर) को एक एडेप्टिव ऑब्जर्वर (अप्रेज़र) की तीव्र सीखने की प्रक्रिया से प्राप्त रिवॉर्ड सिग्नल के माध्यम से अनुकूलित किया जाता है, जो अतिरिक्त लैंग्वेज कंडीशनिंग के बिना नवीन, अपरिचित लेकिन शीघ्रता से सीखने योग्य अवधारणाओं और शैलीगत विविधताओं के उत्पादन को सक्षम बनाता है।