24235 पेपर
यह शोध पत्र GRLO को पेश करता है, जो एक अत्यधिक कुशल सुदृढीकरण शिक्षण (reinforcement learning) दृष्टिकोण है जो गणित और कोडिंग जैसे विविध डोमेन में मजबूत सामान्यीकरण प्राप्त करने के लिए ओपन-एंडेड संवादात्मक इंटरैक्शन के एक छोटे सेट पर मॉडलों को शून्य से प्रशिक्षित करता है, जो पारंपरिक इन-डोमेन RLVR विधियों की तुलना में डेटा और कंप्यूट आवश्यकताओं को काफी कम कर देता है।
नजॉर्ड (Njord) एक नवीन संभाव्य ग्राफ न्यूरल नेटवर्क है जो वैश्विक और क्षेत्रीय दोनों स्तरों पर कुशल, अनिश्चितता-जागरूक एन्सेम्बल महासागरीय पूर्वानुमान उत्पन्न करने के लिए गहरे गुप्त चरों (deep latent variables) और अनुकूली K-मीन्स क्लस्टर मेश का लाभ उठाता है, जो OceanBench बेंचमार्क पर नियतात्मक बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र उन स्थितियों की जांच करता है जिनके तहत स्पार्स मिक्सचर-ऑफ-एक्सपर्ट्स (MoE) राउटिंग विजन क्लासिफिकेशन में सुधार करती है, जो यह प्रकट करता है कि सकारात्मक सटीकता लाभ कंप्यूट के एक पर्याप्त अंश को रूट करने और मल्टी-एक्सपर्ट चयन पर निर्भर करते हैं, जबकि प्रति-सैंपल CNN सेटिंग्स में बैच-एक्सिस डिस्पैच को एक महत्वपूर्ण विफलता मोड के रूप में पहचानता है।
यह शोध पत्र "घोस्टेड लेयर्स" (Ghosted Layers) का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त विधि है जो जीवित परतों के बीच सक्रियण वितरण (activation distributions) को संरेखित करने के लिए एक क्लोज्ड-फॉर्म अनुकूलतम रैखिक ऑपरेटर (closed-form optimal linear operator) व्युत्पन्न करके लेयर-प्रून किए गए बड़े भाषा मॉडलों के प्रदर्शन को पुनः प्राप्त करती है, जिससे दक्षता लाभों को संरक्षित करते हुए मौजूदा प्रतिबंधित बेसलाइनों से बेहतर प्रदर्शन किया जा सके।
यह शोध पत्र एक गेम-थ्योरेटिक ढांचे का प्रस्ताव करता है जिसमें स्केलेबल और सैद्धांतिक रूप से गारंटीकृत एल्गोरिदम हैं, ताकि सिस्टम के मालिकों और उपयोगकर्ताओं के बीच निहित हितों के टकराव को स्पष्ट रूप से मॉडल और संबोधित करके मशीन लर्निंग सिस्टम में पक्षपाती और हेरफेर वाली सूचनाओं से उपयोगकर्ताओं की रक्षा की जा सके।
X-SYNTH एक नवीन ढांचा है जो व्यक्तिगत श्रमिकों के डिजिटल अटेंशन ट्रेसेस को व्यवहार संबंधी बेसलाइन के रूप में मॉडल करके कारण संबंधी प्रासंगिक गतिविधि हस्ताक्षरों की पहचान करता है, जिससे पारंपरिक रिट्रीवल-आधारित विधियों की तुलना में कार्य सटीकता में उल्लेखनीय सुधार होता है और गलत संकेतों में कमी आती है, जिससे एंटरप्राइज एआई कॉन्टेक्स्ट सिंथेसिस बेहतर होता है।
यह शोध पत्र PrismQuant को प्रस्तुत करता है, जो गॉसियन-मिश्रण स्रोतों (Gaussian-mixture sources) के लिए एक वेक्टर क्वांटाइजेशन फ्रेमवर्क है जो घटक लेबल (component labels) को लॉसलेस तरीके से ट्रांसमिट करके और स्केलर क्वांटाइजेशन के साथ घटक-विशिष्ट KLTs लागू करके निकट-इष्टतम दर-विकृति (rate-distortion) प्रदर्शन प्राप्त करता है, जो प्रभावी रूप से सैद्धांतिक सीमाओं और व्यावहारिक कार्यान्वयन के बीच के अंतर को पाटता है और काफी छोटे मॉडल आकार के साथ बड़े ट्रांसफार्मर-आधारित कोडक से बेहतर प्रदर्शन करता है।
यह शोध पत्र OgBench प्रस्तुत करता है, जो कम-नमूना, उच्च-नोड () शासन में ओमिक्स डेटा पर ग्राफ न्यूरल नेटवर्क के मूल्यांकन के लिए पहला बेंचमार्किंग फ्रेमवर्क है, जो यह प्रकट करता है कि मानक GNN अक्सर सरल बेसलाइन से बेहतर प्रदर्शन करने में विफल रहते हैं और इस धारणा को चुनौती देते हैं कि जैविक डोमेन में ग्राफ संरचना स्वाभाविक रूप से प्रदर्शन में सुधार करती है।
यह शोधपत्र प्रदर्शित करता है कि डिस्ट्रिब्यूटेड लर्निंग में डेटा एट्रिब्यूशन नाजुक है, क्योंकि एक दुर्भावनापूर्ण प्रतिभागी लेटेंट ऑप्टिमाइजेशन का फायदा उठाकर सिंथेटिक बैच इंजेक्ट कर सकता है जो वैश्विक मॉडल की उपयोगिता को कम किए बिना या मौजूदा सुरक्षा प्रणालियों को सक्रिय किए बिना उनके मापे गए योगदान को महत्वपूर्ण रूप से बढ़ा देता है।
यह शोध पत्र न्यूरल पॉइंट-फॉर्म्स (NPFs) को प्रस्तुत करता है, जो एक नवीन क्रम-अपरिवर्तनीय (permutation-invariant) न्यूरल लेयर है जो तुलनात्मक मैट्रिसेस (comparison matrices) के माध्यम से उच्च-क्रम स्पर्शता (higher-order tangency) की जानकारी को मॉडल करके, पॉइंट क्लाउड्स के लिए संक्षिप्त और व्याख्यात्मक ज्यामितीय विशेषताओं को सीखने के लिए डिफ्यूजन ज्योमेट्री का लाभ उठाता है, जो मैनिफोल्ड संरचना और सैंपलिंग घनत्व पर निर्भर कार्यों में विशेष प्रभावशीलता प्रदर्शित करता है।