24235 पेपर
यह शोध पत्र \texttt{URGE} को प्रस्तुत करता है, जो डिफ्यूजन मॉडल्स के लिए एक डेरिवेटिव-मुक्त इन्फरेंस-टाइम स्केलिंग एल्गोरिदम है, जो बिना स्कोर या ग्रेडिएंट मूल्यांकन की आवश्यकता के निष्पक्ष, उच्च-गुणवत्ता वाली जनरेशन प्राप्त करने के लिए गिरसानोव-आधारित पाथ-वाइज इम्पोर्टेंस रीवेटिंग और सीक्वेंशियल रीसैंपलिंग का उपयोग करता है।
यह शोध पत्र "मल्टी-साइट पीपीजी" (Multi-site PPG) प्रस्तुत करता है, जो चार उभरते हुए वियरेबल फॉर्म फैक्टर्स (झुमका, अंगूठी, घड़ी और हार) से एकत्र किए गए 350 घंटों से अधिक के शारीरिक डेटा के साथ-साथ एक संदर्भ ईसीजी (ECG) वाला एक व्यापक इन-द-वाइल्ड (in-the-wild) डेटासेट है, जिसका उपयोग हृदय गति अनुमान विधियों को बेंचमार्क करने और विभिन्न शरीर स्थलों के बीच प्रदर्शन में महत्वपूर्ण भिन्नताओं को प्रकट करने के लिए किया जाता है।
यह शोध पत्र DAD4TS का प्रस्ताव करता है, जो एक सुदृढीकरण लर्निंग-निर्देशित (reinforcement learning-guided) डिफ्यूजन मॉडल है जो अर्थपूर्ण संवर्धित नमूनों (augmented samples) को उत्पन्न करने के लिए टाइम-सीरीज डेटा को ज्यामितीय स्थान (geometric space) में प्रोजेक्ट करता है, जिससे छोटे पैमाने के डेटासेट पर पूर्वानुमान सटीकता में सुधार होता है।
गार्ड (Guard) एक स्केलेबल सिस्टम है जो बड़े पैमाने पर प्रशिक्षण क्लस्टर्स में स्ट्रैग्लर्स (stragglers) का सक्रिय रूप से पता लगाने और नोड स्वास्थ्य सुनिश्चित करने के लिए लाइटवेट ऑनलाइन मॉनिटरिंग को ऑफलाइन नोड-स्वीपिंग के साथ जोड़ता है, जिससे FLOPs उपयोगिता में उल्लेखनीय सुधार होता है, प्रदर्शन भिन्नता कम होती है, और परिचालन ओवरहेड घटता है।
यह शोध पत्र OASIS को प्रस्तुत करता है, जो एक नवीन तकनीक है जो AttnResidual आर्किटेक्चर में अटेंशन सिंक्स (attention sinks) और एक्टिवेशन आउटलेयर्स (activation outliers) को कम करने के लिए इंटर-लेयर नल सिग्नलिंग (inter-layer null signaling) का लाभ उठाती है, जिससे इन्फरेंस स्थिरता (inference stability), क्वांटाइजेशन मजबूती (quantization robustness) और डाउनस्ट्रीम टास्क प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र LightGP को प्रस्तुत करता है, जो गॉसियन प्रोसेस रिग्रेशन के लिए एक हल्का, डिपेंडेंसी-फ्री C++17 लाइब्रेरी है, जो विभिन्न डेटासेट आकारों की एक विस्तृत श्रृंखला में GPyTorch जैसे मौजूदा पायथन-आधारित फ्रेमवर्क की तुलना में महत्वपूर्ण गति प्राप्त करने के लिए अनुकूलित CPU, Metal और CUDA बैकएंड का लाभ उठाता है।
यह शोध पत्र DCFold को पेश करता है, जो एक सिंगल-स्टेप जनरेटिव मॉडल है जो एक नवीन ड्यूल कंसिस्टेंसी ट्रेनिंग फ्रेमवर्क और टेम्पोरल जियोडेसिक मैचिंग शेड्यूलर के माध्यम से इन्फरेंस को 15 गुना तेज करते हुए, प्रोटीन संरचना भविष्यवाणी और बाइंडर डिजाइन में AlphaFold3-स्तर की सटीकता प्राप्त करता है।
यह शोध पत्र यह स्थापित करता है कि जैकोबियन सपोर्ट पैटर्न (Jacobian support pattern) पर संरचनात्मक विरलता (structural sparsity) को लागू करके केवल एक एकल युग्मित एंकर नमूने (single paired anchor sample) के साथ डोमेन ट्रांसफर को पहचानने योग्य बनाया जा सकता है, जो एक स्केलेबल समाधान प्रदान करता है जिसके लिए पूर्व विधियों की तुलना में काफी कम पर्यवेक्षण की आवश्यकता होती है।
यह शोध पत्र AdaptiveLoad को प्रस्तुत करता है, जो एक अनुकूलन ढांचा (optimization framework) है जिसमें ड्यूल-कन्स्ट्रेंट लोड बैलेंसिंग और एक फ्यूज्ड LayerNorm-Modulate CUDA कर्नल शामिल है, जो परिवर्तनशील अनुक्रम लंबाई (variable sequence lengths) के कारण होने वाले कम्प्यूटेशनल असंतुलन को संबोधित करके बड़े पैमाने के वीडियो डिफ्यूजन ट्रांसफॉर्मर्स के लिए प्रशिक्षण दक्षता और GPU उपयोगिता को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र OpenAI कार रेसिंग वातावरण के लिए डीप रिइन्फोर्समेंट लर्निंग में ट्रांसफर लर्निंग के अनुप्रयोग का अन्वेषण करता है, जो यह प्रदर्शित करता है कि मॉडल-आधारित दृष्टिकोण मॉडल-मुक्त दृष्टिकोणों से बेहतर प्रदर्शन करते हैं और एक स्रोत सर्किट से ज्ञान को स्थानांतरित करना अनुकूलित लक्ष्य वातावरणों में प्रदर्शन और सीखने की दक्षता को महत्वपूर्ण रूप से बढ़ाता है।