24235 पेपर
यह शोधपत्र यह प्रदर्शित करता है कि एक कॉम्बिनेटोरियल टॉय सेटिंग में, विनिंग लॉटरी टिकट फीचर-स्पेस के उन संगत स्थानों के परिवारों के अनुरूप होते हैं जो इनिशियलाइजेशन के समय ही अंतिम कोड्स के समीप होते हैं, जिससे यह सुझाव मिलता है कि लॉटरी टिकट घटना विशिष्ट वेट-स्पेस सबनेटवर्क पहचानों के बजाय छिपी हुई फीचर-स्पेस ज्यामिति द्वारा नियंत्रित होती है।
यह शोधपत्र यह प्रदर्शित करता है कि दो-परत वाले न्यूरल नेटवर्क में प्रारंभिक-चरण का फीचर लर्निंग (feature learning), फीचर वितरण को एक लक्ष्य-निर्भर स्पाइक्ड गॉसियन (target-dependent spiked Gaussian) में परिवर्तित करके प्रेरित फंक्शन स्पेस (induced function space) को मौलिक रूप से नया रूप देता है, जो एक डेटा-अनुकूलित कर्नेल (data-adaptive kernel) निर्मित करता है जो केवल एक निश्चित कर्नेल को पुन: स्केल करने के बजाय सिग्नल-संरेखित दिशाओं को चुनिंदा रूप से प्रवर्धित करता है और आइगेनफंक्शंस (eigenfunctions) को मिश्रित करता है।
यह शोध पत्र यह प्रदर्शित करता है कि चार वर्षों के पांच-मिनट के OHLCV डेटा का उपयोग करके इंट्राडे MNQ फ्यूचर्स की दिशा का पूर्वानुमान लगाने के लिए न तो ग्रेडिएंट बूस्टिंग और न ही LSTM मॉडल 51.8% की बेस रेट से अधिक सांख्यिकीय रूप से महत्वपूर्ण भविष्य कहनेवाला सटीकता प्राप्त कर सकते हैं, जो यह सुझाव देता है कि ऐसे एकल-उपकरण डेटासेट विश्वसनीय अनुक्रमिक वित्तीय मशीन लर्निंग के लिए अपर्याप्त हैं।
यह शोध पत्र रेक्टिफाइड फ्लो (Rectified Flow) के लिए एक ऑफलाइन सुधार विधि प्रस्तावित करता है जो विकृत प्रक्षेप पथों (trajectories) को सीधा करने के लिए सीखे गए वेग क्षेत्र (velocity field) के अपसारी घटक (divergent component) को दबा देता है, जिससे इन्फरेंस लागत बढ़ाए बिना सिंथेटिक और इमेज बेंचमार्क दोनों पर जनरेशन की गुणवत्ता में सुधार होता है।
OSCAR एक तैनात करने योग्य (deployable) 2-बिट KV कैश क्वांटाइजेशन विधि है जो अटेंशन-अलाइन्ड रोटेशन और क्लिपिंग थ्रेशोल्ड प्राप्त करने के लिए ऑफलाइन स्पेक्ट्रल कोवेरिएंस एस्टीमेशन का लाभ उठाती है, जो आधुनिक LLM सर्विंग फ्रेमवर्क में मेमोरी उपयोग को महत्वपूर्ण रूप से कम करने और इन्फरेंस थ्रूपुट में सुधार करने के साथ-साथ लॉन्ग-कॉन्टेक्स्ट रीजनिंग कार्यों पर लगभग लॉसलेस सटीकता सक्षम करती है।
मेसिसिस (Memisis) एक एकीकृत उपकरण है जो सिंथेटिक सारणीबद्ध स्वास्थ्य डेटा (synthetic tabular health data) के सृजन को ऑर्केस्ट्रेट और मूल्यांकन करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जो उपयोगकर्ताओं को उच्च-स्तरीय लक्ष्य निर्दिष्ट करने में सक्षम बनाता है जबकि गोपनीयता, उपयोगिता और निष्पक्षता सुनिश्चित करने के लिए कई सिंथेसाइज़र और मेट्रिक्स के माध्यम से वर्कफ़्लो को स्वचालित रूप से प्रबंधित करता है।
MV-Gate एक मल्टी-व्यू फ्रेमवर्क है जो सांख्यिकीय नियमितताओं (statistical regularities) को एक विसंगति-जागरूक गेटिंग तंत्र (anomaly-aware gating mechanism) के माध्यम से सिमेंटिक सीक्वेंस मॉडलिंग के साथ एकीकृत करके इनसाइडर थ्रेट डिटेक्शन को बढ़ाता है, जिससे उन क्रमिक और कम दृश्यता वाले खतरों की प्रभावी ढंग से पहचान की जा सकती है जिन्हें पारंपरिक डीप लर्निंग दृष्टिकोण अक्सर चूक जाते हैं।
यह शोध पत्र AURORA को पेश करता है, जो हेल्थकेयर फाउंडेशन मॉडल्स के लिए एक नवीन फ्रेमवर्क है जो प्रेडिक्शन सटीकता, वितरण बदलावों (distribution shifts) के प्रति मजबूती और सिमेंटिक स्पष्टता में मौजूदा बेसलाइन्स से बेहतर प्रदर्शन करने के लिए लेटेंट रिप्रेजेंटेशन्स को ऑर्थोगोनल सिमेंटिक सबस्पेस में विघटित करता है ताकि कॉन्टेक्स्टुअल डिसेंटैंगलमेंट और ज्योमेट्रिक इंटरप्रिटेबिलिटी प्राप्त की जा सके।
यह शोध पत्र लीनियर-विड्थ टू-लेयर नेटवर्क्स में फीचर लर्निंग को यह प्रदर्शित करके अभिलक्षित करता है कि ग्रेडिएंट डिसेंट का दूसरा चरण, विशेष रूप से पुन: उपयोग किए गए बैचों के साथ, वेट अपडेट्स के शार्प स्पेक्ट्रल विश्लेषण के माध्यम से उच्च सूचना घातांक (information exponents) वाली लक्षित फलनों (target functions) के अनुरूप कई दिशाओं को सीखने के लिए सिंगल-स्टेप अपडेट्स की रैंक-वन सीमाओं को पार कर लेता है।
यह शोध पत्र एक एकीकृत, उत्पादन-तैयार (production-ready) ढांचे को प्रस्तुत करता है जो रिटेंशन और संतुष्टि में सुधार के लिए कम-सक्रिय उपयोगकर्ताओं (Low-Active Users) हेतु जोखिम-भयभीत डिबूटिंग (risk-averse deboosting) और कंटेंट विविधता बढ़ाने के लिए उच्च-सक्रिय उपयोगकर्ताओं (High-Active Users) हेतु जोखिम-सहिष्णु अन्वेषण (risk-seeking exploration) को लागू करने के लिए मॉडल अनिश्चितता का लाभ उठाता है—जो एक प्रमुख लाइवस्ट्रीमिंग प्लेटफॉर्म पर महत्वपूर्ण प्रदर्शन लाभ प्रदर्शित करता है।