24235 पेपर
यह शोध पत्र कम से कम एक योग्य भुजा (qualified arm) वाले उदाहरणों के लिए एक नया निचला स्तर (lower bound) व्युत्पन्न करके और एक ऐसा एल्गोरिदम प्रस्तावित करके मल्टी-आर्म्ड बैंडिट्स में 1-पहचान (1-identification) के लिए सैंपल कॉम्प्लेक्सिटी को अभिलक्षणित करने की खुली समस्या को हल करता है, जो लघुगणकीय कारकों (logarithmic factors) तक मिलान वाले ऊपरी स्तरों (upper bounds) को प्राप्त करता है।
यह शोध पत्र OPT-Engine प्रस्तुत करता है, जो ऑप्टिमाइज़ेशन मॉडलिंग कार्यों पर लार्ज लैंग्वेज मॉडल्स के मूल्यांकन के लिए एक स्केलेबल बेंचमार्क फ्रेमवर्क है, जो यह प्रकट करता है कि वर्तमान प्रतिमान जटिलता बढ़ने के साथ मजबूती बनाए रखने में संघर्ष करते हैं और सॉल्वर-एकीकृत तर्क (solver-integrated reasoning) के लिए स्वचालित बाधा निर्माण (automated constraint formulation) को प्राथमिक बाधा के रूप में पहचानता है।
यह शोध पत्र MAPLE को प्रस्तुत करता है, जो एक स्व-पर्यवेक्षित शिक्षण-संवर्धित (self-supervised learning-enhanced) गैररेखीय आयामीता न्यूनीकरण विधि है जो जटिल मैनिफोल्ड ज्यामिति को बेहतर ढंग से मॉडल करने के लिए अधिकतम मैनिफोल्ड क्षमता प्रतिनिधित्वों का उपयोग करके UMAP में सुधार करती है, जिसके परिणामस्वरूप उच्च-आयामी डेटा के लिए उत्कृष्ट दृश्य क्लस्टर पृथक्करण और उप-क्लस्टर रिज़ॉल्यूशन प्राप्त होता है।
यह शोध पत्र PARADIS को प्रस्तुत करता है, जो एक भौतिकी-प्रेरित न्यूरल आर्किटेक्चर है जो पूर्वानुमान प्रक्रिया को स्पष्ट रूप से विशिष्ट एडवेक्शन (advection), डिफ्यूजन (diffusion) और रिएक्शन (reaction) ब्लॉक्स में विभाजित करके मौसम के पूर्वानुमान में सुधार करता है, और लंबी दूरी के परिवहन को कुशलतापूर्वक मॉडल करने के लिए एक डिफरेंशिएबल न्यूरल सेमी-लैग्रेंजियन (Neural Semi-Lagrangian) ऑपरेटर का उपयोग करता है, जबकि ERA5 बेंचमार्क पर प्रतिस्पर्धी कौशल और उत्कृष्ट स्पेक्ट्रल फिडेलिटी (spectral fidelity) प्राप्त करता है।
यह शोध पत्र एक नवीन एंटिटी अलाइनमेंट फाउंडेशन मॉडल प्रस्तावित करता है जो सीड-आधारित स्थानीय एंकर्स और एक मर्ज किए गए संबंध ग्राफ के साथ एक समानांतर एन्कोडिंग रणनीति का उपयोग करके मौजूदा ग्राफ फाउंडेशन मॉडल्स में "रीजनिंग होराइजन गैप" को दूर करता है ताकि अनदेखे नॉलेज ग्राफ्स पर प्रभावी, रिट्रेनिंग-मुक्त अलाइनमेंट प्राप्त किया जा सके।
TabClustPFN एक प्रायर-फिटेड नेटवर्क (prior-fitted network) है जो क्लस्टर असाइनमेंट और कार्डिनैलिटी पर एमोर्टाइज्ड बायेसियन इन्फरेंस (amortized Bayesian inference) करके विषम सारणीबद्ध डेटा (heterogeneous tabular data) के सिंगल-पास, ज़ीरो-शॉट क्लस्टरिंग को सक्षम बनाता है, जो डेटासेट-विशिष्ट पुनर्रचना (retraining) की आवश्यकता के बिना मौजूदा बेसलाइनों से बेहतर प्रदर्शन करता है।
LoRIF इन्फ्लुएंस फंक्शन्स के लिए एक लो-रैंक एप्रोक्सिमेशन विधि पेश करता है जो उच्च एट्रिब्यूशन गुणवत्ता बनाए रखते हुए स्टोरेज और मेमोरी लागत को काफी कम कर देता है, जिससे बड़े पैमाने के मॉडल्स और डेटासेट्स के लिए स्केलेबल ट्रेनिंग डेटा एट्रिब्यूशन सक्षम होता है।
SplineFlow एक सैद्धांतिक रूप से आधारित फ्लो मैचिंग एल्गोरिदम पेश करता है जो जटिल गतिशील प्रणालियों को प्रभावी ढंग से मॉडल करने और मल्टी-मार्जनल बाधाओं को संतुष्ट करने के लिए स्थिर बी-स्प्लाइन इंटरपोलेन्ट्स का उपयोग करता है, जो सिंथेटिक बेंचमार्क और सेलुलर ट्रैजेक्टरी इन्फरेंस कार्यों दोनों में मौजूदा लीनियर इंटरपोलेन्ट-आधारित विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र NEST, एक नेस्टेड इवेंट स्ट्रीम ट्रांसफॉर्मर को प्रस्तुत करता है जो मौजूदा फ्लैट मॉडल की कम्प्यूटेशनल अक्षमताओं और प्रतिनिधित्व सीमाओं को दूर करने के लिए इवेंट अनुक्रमों (मल्टीसेट्स के अनुक्रमों) की पदानुक्रमित संरचना को संरक्षित करता है, और प्रीट्रेनिंग दक्षता एवं डाउनस्ट्रीम प्रदर्शन दोनों को बढ़ाने के लिए एक नवीन मास्क्ड सेट मॉडलिंग प्रतिमान का उपयोग करता है।
यह शोध पत्र PaAno को प्रस्तुत करता है, जो एक हल्का पैच-आधारित प्रतिनिधित्व शिक्षण (representation learning) तरीका है जो भारी ट्रांसफार्मर-आधारित आर्किटेक्चर की तुलना में कम्प्यूटेशनल दक्षता बनाए रखते हुए, टाइम-सीरीज विसंगति का पता लगाने (anomaly detection) में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए 1D कनवल्शन और ट्रिपलेट एवं प्रीटेक्स्ट लॉस के संयोजन का उपयोग करता है।