24235 पेपर
यह शोधपत्र प्रदर्शित करता है कि फिक्स्ड-प्रिसिजन ट्रांसफॉर्मर (fixed-precision transformers) स्वाभाविक रूप से लीनियर टेम्पोरल लॉजिक (linear temporal logic), रिकरेंट न्यूरल नेटवर्क्स (recurrent neural networks) और फाइनाइट ऑटोमेटा (finite automata) की तुलना में घातीय रूप से अधिक संक्षिप्त हैं, एक ऐसा गुण जो एम्प्टीनेस (emptiness) और इक्विवेलेंस (equivalence) जैसी मौलिक सत्यापन समस्याओं को EXPSPACE-कम्पलीट बनाता है।
यह शोध पत्र सेट समावेशन क्रम (set containment order) को संरक्षित करने के लिए मोनोटोनिक और सेपरेबल (MAS) सेट फलनों (set functions) को प्रस्तुत करता है, उनके अस्तित्व और आयामीता पर सैद्धांतिक सीमाएँ स्थापित करता है, अनंत ग्राउंड सेट्स (infinite ground sets) के लिए एक स्थिर "वीकली MAS" न्यूरल मॉडल प्रस्तावित करता है, और यूनिवर्सल एप्रोक्सिमेशन गारंटी एवं अनुभवजन्य परिणामों के माध्यम से सेट समावेशन कार्यों में उनकी प्रभावशीलता को प्रदर्शित करता है।
SemanticOpt एक नवीन ढांचा है जो बड़े भाषा मॉडलों (Large Language Models) को प्राकृतिक भाषा संदर्भ से समृद्ध संरचित बेयसियन प्रक्षेप पथों (structured Bayesian trajectories) पर उन्हें फाइन-ट्यून करके सिमेंटिक ब्लैक-बॉक्स अनुकूलन के लिए उन्नत करता है, जिससे वे प्रभावी रूप से डोमेन ज्ञान का लाभ उठाने में सक्षम होते हैं और महंगे प्रयोगात्मक परिदृश्यों में शास्त्रीय और मौजूदा एलएलएम-आधारित ऑप्टिमाइज़र दोनों से बेहतर प्रदर्शन करते हैं।
यह शोध पत्र वेट कंसन्ट्रेशन रेगुलराइजेशन (WCR) का प्रस्ताव करता है, जो एक नवीन प्रशिक्षण-समय रेगुलराइज़र है जो विभिन्न डीप लर्निंग कार्यों में उच्च स्पर्सिटी के तहत वन-शॉट मैग्नीट्यूड प्रूनिंग की मजबूती को महत्वपूर्ण रूप से सुधारने के लिए अन्य मापदंडों को दबाते हुए सूचनात्मक मापदंडों के एक छोटे उपसमूह को बढ़ाता है।
यह शोध पत्र एक नवीन ग्रेडिएंट-आधारित जॉइन ऑर्डरिंग दृष्टिकोण प्रस्तावित करता है जो विभेदक (differentiable) लागत मॉडल और बाधाओं का उपयोग करके असतत (discrete) क्वेरी योजनाओं को एक निरंतर स्थान (continuous space) में शिथिल करता है, जिससे पारंपरिक असतत खोज विधियों की तुलना में अधिक कुशल और प्रभावी अनुकूलन सक्षम होता है।
यह शोध पत्र एडेप्टिव क्वांटम कॉन्फॉर्मल प्रेडिक्शन (AQCP) प्रस्तुत करता है, जो एक ऐसा एल्गोरिदम है जो क्वांटम हार्डवेयर में निहित समय-परिवर्तनीय शोर के बावजूद लक्षित कवरेज गारंटी बनाए रखते हुए क्वांटम मशीन लर्निंग के लिए विश्वसनीय अनिश्चितता परिमाणीकरण सुनिश्चित करता है, और स्थिरता एवं वैधता में मानक क्वांटम कॉन्फॉर्मल प्रेडिक्शन से बेहतर प्रदर्शन करता है।
यह शोध पत्र DR Tulu को प्रस्तुत करता है, जो 'इवॉल्विंग रूब्रिक्स के साथ रीइन्फोर्समेंट लर्निंग' (RLER) के माध्यम से प्रशिक्षित एक ओपन-सोर्स डीप रिसर्च मॉडल है, जो पॉलिसी के साथ मूल्यांकन मानदंडों को सह-विकसित करता है, जिससे यह मौजूदा ओपन एजेंटों से बेहतर प्रदर्शन करने और दीर्घकालिक शोध कार्यों पर प्रोप्रायटरी सिस्टमों को टक्कर देने में सक्षम होता है, जबकि यह काफी अधिक लागत-प्रभावी भी है।
यह शोध पत्र हाइपरक्यूब (HyperCube) को प्रस्तुत करता है, जो एक अवकलनीय ऑपरेटर-मान वाले टेंसर गुणनखंडन (operator-valued tensor factorization) की विधि है, जो डेटा से समूह संरचनाओं (group structures) की खोज के लिए बीजगणितीय जटिलता का पहला प्रमाणित सटीक माप प्रदान करता है, यह प्रदर्शित करते हुए कि इसके उद्देश्य फलन (objective function) को न्यूनतम करना अंतर्निहित रूप से साहचर्य (associativity) और एकरूपता (unitarity) को लागू करता है, जिससे हह (Huh) की 2025 की परिकल्पना का समाधान होता है और संयोजन खोज (combinatorial search) के बिना विवेकी बीजगणितीय नियमों की ग्रेडिएंट-आधारित खोज सक्षम होती है।
यह शोधपत्र टू-डायमेंशनल क्वांटाइजेशन (Q2D2) प्रस्तुत करता है, जो एक नवीन योजना है जो पारंपरिक क्वांटाइजेशन विधियों की ज्यामितीय सीमाओं को दूर करने के लिए फीचर युग्मों को संरचित 2D ग्रिड पर प्रोजेक्ट करती है, जिससे स्पीच, ऑडियो और म्यूजिक डोमेन में बेहतर ऑडियो संपीड़न दक्षता और अत्याधुनिक पुनर्निर्माण गुणवत्ता प्राप्त होती है।
यह शोध पत्र ग्राफ-रेगुलराइज्ड स्पार्स ऑटोएनकोर्स (GSAE) को प्रस्तुत करता है, जो एक नवीन डिक्शनरी-लर्निंग विधि है जो कई मॉडलों और हमले के परिदृश्यों में हानिकर अनुरोधों के प्रति इनकार (refusal) को बढ़ाते हुए सौम्य कार्यों पर प्रदर्शन बनाए रखते हुए, एलएलएम (LLM) सुरक्षा स्टीयरिंग में महत्वपूर्ण सुधार करने के लिए न्यूरॉन सह-सक्रियण ग्राफ (neuron co-activation graph) पर डिकोडर वेक्टर्स को स्मूथ करती है।