24235 पेपर
यह शोध पत्र तर्क देता है कि डीप लर्निंग में ज़ीरो-ऑर्डर ऑप्टिमाइज़ेशन स्वाभाविक रूप से स्केलेबल नहीं है, बल्कि अल्पदृष्टि वाले डिज़ाइन अभ्यासों के कारण कम खोजा गया है, जो बड़े पैमाने पर, संसाधन-कुशल शिक्षण की इसकी क्षमता को अनलॉक करने के लिए सबस्पेस विधियों, सिस्टम-जागरूक लाभों और वि-अस्पष्ट (de-obfuscated) मूल्यांकनों की ओर एक प्रतिमान परिवर्तन का समर्थन करता है।
यह शोध पत्र कोड-ओरिएंटेड एलएम एम्बेडिंग्स (COLE) का प्रस्ताव करता है, जो एक कम लागत वाली रणनीति है जो न्यूरल आर्किटेक्चर को पायटॉर्च (PyTorch) कोड के रूप में दर्शाने के लिए उपलब्ध भाषा मॉडलों का लाभ उठाती है, जिससे बिना किसी विशेष फाइन-ट्यूनिंग के प्रतिस्पर्धी सरोगेट-असिस्टेड न्यूरल आर्किटेक्चर सर्च सक्षम होता है और इष्टतम मॉडल खोजने के लिए आवश्यक मूल्यांकन बजट को काफी कम करता है।
यह अध्ययन प्रदर्शित करता है कि फ्यू-शॉट प्रॉम्प्टेड लार्ज लैंग्वेज मॉडल्स, विशेष रूप से क्लॉड हाइकू 4.5, कम-संसाधन वाली स्थितियों में ऑनलाइन रोगी पूछताछ को उपयुक्त नैदानिक अनुवर्ती स्तरों पर रूट करने के लिए बायोबर्ट जैसे सुपरवाइज्ड बेसलाइन्स से बेहतर प्रदर्शन कर सकते हैं, हालांकि उनकी प्रदर्शन परिवर्तनशीलता यह सुझाव देती है कि वे स्वायत्त तैनाती के बजाय चयनात्मक मानव समीक्षा का समर्थन करने के लिए सबसे उपयुक्त हैं।
यह शोध पत्र AGOP-IxG प्रस्तुत करता है, जो टैबुलर डेटा के लिए एक तेज़ प्रति-नमूना (per-sample) फीचर एट्रिब्यूशन विधि है जो सिंथेटिक बेंचमार्क पर सटीकता और गति में SHAP और LIME जैसे व्यापक रूप से उपयोग किए जाने वाले बेसलाइन से बेहतर प्रदर्शन करने के लिए एक ग्रेडिएंट कोवेरिएंस फ़िल्टर का लाभ उठाता है, जबकि वास्तविक दुनिया के डेटासेट पर तुलनीय वैश्विक निष्ठा (global faithfulness) प्रदर्शित करता है।
यह शोध पत्र एक एकीकृत विक्षोभ ढांचे (unified perturbation framework) को प्रस्तुत करता है जो यह प्रकट करता है कि आधुनिक LLM लीडबोर्ड डेटा के सूक्ष्म संशोधनों के प्रति अत्यधिक गैर-मजबूत (non-robust) हैं, जिससे रैंकिंग अस्थिरता का पता लगाने और लक्षित मॉडल हेरफेर के कुशल निष्पादन दोनों को सक्षम बनाया जा सके।
AOT-POT एक अनुकूलन योग्य ऑपरेटर ट्रांसफ़ॉर्मेशन फ्रेमवर्क पेश करता है जो समानांतर स्ट्रीम एकत्रीकरण (parallel stream aggregation) और सिंकहॉर्न-प्रक्षेपित मिश्रण (Sinkhorn-projected mixing) के माध्यम से विविध PDE समाधान ऑपरेटरों को एक एकीकृत रूप में नया आकार देता है, जिससे न्यूनतम पैरामीटर ओवरहेड के साथ 12 बेंचमार्क में अत्याधुनिक प्रदर्शन प्राप्त होता है और यह प्रदर्शित होता है कि PDE फाउंडेशन मॉडल के लिए केवल मॉडल क्षमता को बढ़ाने के बजाय ऑपरेटरों को रूपांतरित करना एक अधिक प्रभावी रणनीति है।
StippleDiffusion पहला डिफ्यूजन-आधारित सैंपलर पेश करता है जो एक सीखे हुए पॉइंट-डिस्ट्रीब्यूशन प्रायर को एक विशेष कंट्रोलनेट आर्किटेक्चर के माध्यम से इमेज-डिफाइंड कैपेसिटी कंस्ट्रेंट्स के साथ जोड़ता है, जिससे तेज़, डिफरेंशिएबल और सामान्यीकरण योग्य स्टिपलिंग सक्षम होती है जो पारंपरिक इटरेटिव ऑप्टिमाइज़र्स की गुणवत्ता से मेल खाती है और मनचाही टार्गेट डेंसिटी और पॉइंट बजट का समर्थन करती है।
यह एकल-विषय अध्ययन यह प्रदर्शित करता है कि एक फीड-फॉरवर्ड न्यूरल नेटवर्क विभिन्न ओक्लूसल बाधाओं के तहत एक पार्किंसोनियन प्रतिभागी में देखे गए गेट डायनेमिक्स के अनुदैर्ध्य लेटेंट-स्पेस रूपांतरणों का आंतरिक रूप से सन्निकटन कर सकता है, जबकि स्पष्ट रूप से सामान्यीकृत नैदानिक भविष्यवाणी या कारण प्रभावों का दावा करने से परहेज करता है।
यह शोध पत्र शैपली न्यूरॉन वैल्यूएशन (SNV) प्रस्तुत करता है, जो एक गेम-थ्योरेटिक फ्रेमवर्क है जो बिना आर्किटेक्चरल विस्तार के प्रभावी बफ़र-मुक्त निरंतर शिक्षण (continual learning) को सक्षम करने के लिए महत्वपूर्ण न्यूरॉन्स की पहचान और उन्हें फ्रीज करता है, जिससे ImageNet-1k पर मौजूदा विधियों की तुलना में महत्वपूर्ण सटीकता सुधार प्राप्त होता है।