24135 पेपर
OpenJarvis एक विखंडित (decomposed), टाइप किया गया व्यक्तिगत AI आर्किटेक्चर पेश करता है जो क्लाउड-स्तरीय सटीकता के साथ ऑन-डिवाइस सिस्टम को सक्षम बनाने के लिए LLM-निर्देशित स्पेक सर्च का लाभ उठाते हुए पांच स्वतंत्र प्रिमिटिव्स को अनुकूलित करता है, जिससे API लागत और विलंबता (latency) में भारी कमी आती है।
यह शोध पत्र विभिन्न भाषाओं में लार्ज लैंग्वेज मॉडल्स (LLMs) में सुरक्षा क्षरण (safety degradation) को चलाने वाले विशिष्ट कारकों को अलग करने और उनका विश्लेषण करने के लिए एक मल्टी-ग्रुप आइटम रिस्पांस थ्योरी फ्रेमवर्क प्रस्तुत करता है, जो यह प्रकट करता है कि सुरक्षा विफलताएं मुख्य रूप से एकआयामी हैं, अक्सर कम-संसाधन वाली भाषाओं की तुलना में अंग्रेजी में अधिक गंभीर होती हैं, और केवल अनुवाद की गुणवत्ता के बजाय भौतिक हानि और सांस्कृतिक बेमेल से संबंधित प्रॉम्प्ट-विशिष्ट क्रॉस-लिंगुअल अंतराल से महत्वपूर्ण रूप से प्रभावित होती हैं।
यह शोध पत्र स्व-पर्यवेक्षित शिक्षण (self-supervised learning) में प्रोजेक्शन हेड्स का एक ज्यामितीय सिद्धांत स्थापित करता है, जो उन्हें प्रशिक्षण योग्य रीमानियन मेट्रिक्स (Riemannian metrics) के रूप में मॉडल करता है जो सिमेंटिक बैकबोन को ऑब्जेक्टिव बाधाओं से अलग करते हैं, जहाँ गैर-रेखीय गहराई और सुचारू सक्रियण (smooth activations) ऋणात्मक वक्रता (negative curvature) के माध्यम से आयामी पतन (dimensional collapse) से बचने में सक्षम बनाते हैं जबकि रैखिक या ReLU-आधारित हेड्स बिना डिस्क्रीट-टाइम डायनेमिक्स के अस्थिर रहते हैं।
यह शोध पत्र अपूर्ण साइड इंफॉर्मेशन के साथ नॉइजी इंडक्टिव मैट्रिक्स कम्प्लीशन के लिए स्पेक्ट्रल इनिशियलाइजेशन के साथ एक नॉनकॉन्वेक्स प्रोजेक्टेड ग्रेडिएंट डिसेंट एल्गोरिदम प्रस्तावित करता है, जो एक रेगुलैरिटी कंडीशन स्थापित करता है जो लीनियर कन्वर्जेंस और साइड इंफॉर्मेशन डायमेंशन के साथ सैंपल कॉम्प्लेक्सिटी को एम्बिएंट मैट्रिक्स डायमेंशन के बजाय स्केल करने की गारंटी देता है।
OPTNet एक सीखने योग्य पॉइंट सॉर्टर (Point Sorter) मॉड्यूल पेश करता है जो अटेंशन मैकेनिज्म में लोकैलिटी (locality) को बढ़ाने के लिए सेल्फ-सुपरवाइज्ड लर्निंग के माध्यम से पॉइंट ऑर्डरिंग को गतिशील रूप से अनुकूलित करता है, जिससे मौजूदा स्टैटिक सीरियलाइजेशन विधियों की तुलना में आपदा के बाद के 3D सिमेंटिक सेगमेंटेशन में बेहतर दक्षता और सटीकता प्राप्त होती है।
यह शोध पत्र एक एकीकृत ढांचे को प्रस्तुत करता है जो कोवेरिएट शिफ्ट (covariate shift) के तहत सीखने के लिए कठोर, समय-एकसमान सामान्यीकरण गारंटी प्रदान करने हेतु एक प्रतिबंधित घनत्व-अनुपात नेटवर्क (constrained density-ratio network) को एक एनीटाइम पीएसी-बेयस (anytime PAC-Bayes) दृष्टिकोण के साथ जोड़ता है, जो पूर्व-पंजीकृत प्रोटोकॉल के माध्यम से अपने प्रदर्शन को मान्य करते हुए लक्षित जोखिम को प्रभावी रूप से कम करता है।
यह शोध पत्र एक क्वांटम-असिस्टेड सपोर्ट वेक्टर मशीन (QSVM) बैगिंग एनसेम्बल प्रस्तुत करता है जो SAR इमेजरी में वास्तविक समय के निकट समुद्री तेल रिसाव का पता लगाने के लिए सपोर्ट वेक्टर्स को अनुकूलित करने हेतु क्वांटम एनीलिंग का लाभ उठाता है, जो 0.60 के IoU के साथ शास्त्रीय बेसलाइन के तुल्य प्रदर्शन प्राप्त करता है और कुशल, हस्तांतरणीय पर्यावरणीय निगरानी के लिए इसकी व्यवहार्यता को प्रदर्शित करता है।
यह विषयगत समीक्षा सांख्यिकीय यांत्रिकी, टेंसर नेटवर्क और कृत्रिम बुद्धिमत्ता के पूरक दृष्टिकोणों के माध्यम से हालिया प्रगति का सर्वेक्षण करते हुए, क्वांटम त्रुटि सुधार कोड के गणनात्मक रूप से कठिन लेकिन इष्टतम मैक्सिमम लाइक्लीहुड डिकोडिंग (MLD) पर एक एकीकृत परिप्रेक्ष्य प्रदान करती है, साथ ही उनके संबंधों, अनुप्रयोगों और भविष्य की चुनौतियों पर चर्चा करती है।
यह शोध पत्र एक एकीकृत एडजॉइंट-इक्वेशन-आधारित ढांचे को प्रस्तुत करता है जो किसी भी इंटीग्रल प्रोबेबिलिटी मेट्रिक में डिस्क्रीट डिफ्यूजन मॉडल्स के लिए पहले 'डायमेंशन-फ्री' अभिसरण (कन्वर्जेंस) गारंटी स्थापित करता है, जो पूर्ववर्ती KL-आधारित और टोटल वेरिएशन विश्लेषणों की सीमाओं को दूर करता है जो सिंगुलर प्रायर्स (priors) के तहत विफल हो जाते हैं या बड़े स्टेट स्पेस आकारों पर निर्भर होते हैं।
यह शोध पत्र ड्रिफ्ट फ्लो मैचिंग (DFM) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो कुशल वन-स्टेप ड्रिफ्ट मॉडल्स और लचीले मल्टी-स्टेप फ्लो मैचिंग मेथड्स के बीच के अंतर को पाटता है, जिससे डायरेक्ट ट्रांसपोर्ट मैप्स को इटरेटिव इन्फरेंस स्टेप्स के माध्यम से रिफाइन करने की अनुमति देकर एडेप्टिव जनरेशन क्वालिटी सक्षम होती है।