24235 पेपर
MoRe क्रमिक डेटा पर निरंतर शिक्षण (continual learning) के लिए एक मॉड्यूलर फ्रेमवर्क है जो ज्ञान को पहचान योग्य पदानुक्रमित मॉड्यूल में विभाजित करता है ताकि बिना किसी संरचनात्मक संशोधन के मौजूदा निरूपणों को सुरक्षित रखते हुए व्यवस्थित अनुकूलन और पुन: उपयोग को सक्षम किया जा सके।
यह शोध पत्र LoMETab को प्रस्तुत करता है, जो मल्टीप्लिकेटिव इम्प्लिसिट एनसेम्बल्स (multiplicative implicit ensembles) का एक रैंक- सामान्यीकरण है जो BatchEnsemble के हाइपोथीसिस क्लास का विस्तार करता है और एडेप्टर रैंक (adapter rank) एवं इनिशियलाइजेशन स्केल (initialization scale) के माध्यम से नियंत्रणीय विविधता प्रदान करता है, जिससे यह फिक्स्ड रैंक-1 कंस्ट्रक्शंस की तुलना में टैबुलर डीप लर्निंग प्रदर्शन को सुधारने के लिए एक लचीला ढांचा प्रदान करता है।
यह शोध पत्र कम संसाधन वाली भाषाओं में बड़े भाषा मॉडलों (LLMs) के विस्तार के लिए सिमेंटिक रिवॉर्ड्स के साथ ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइजेशन (GRPO) का उपयोग करते हुए एक सुदृढीकरण शिक्षण (reinforcement learning) दृष्टिकोण प्रस्तावित करता है, जो सामान्य क्षमताओं और सिमेंटिक गुणवत्ता को बनाए रखते हुए सुपरवाइज्ड फाइन-ट्यूनिंग के कारण होने वाले "अलाइनमेंट टैक्स" और कैटास्ट्रोफिक फॉरगेटिंग को प्रभावी ढंग से कम करता है।
यह शोध पत्र कोहेरेंट कोऑर्डिनेट डिसेंट (CoCD) को प्रस्तुत करता है, जो एक नियतात्मक ज़ीरो-ऑर्डर ऑप्टिमाइज़र है जो वॉर्म-स्टार्टेड ब्लॉक साइक्लिक कोऑर्डिनेट डिसेंट और इमप्लिसिट लैंडस्केप स्मूथिंग के माध्यम से पुराने (stale) ग्रेडिएंट्स को स्थिर अपडेट दिशाओं में परिवर्तित करता है, जिससे मौजूदा रैंडमाइज्ड विधियों की तुलना में बेहतर सैंपल दक्षता और अभिसरण स्थिरता (convergence stability) प्राप्त होती है।
यह शोध पत्र डेटा-ऑगमेंटेड गेम स्टार्ट्स (DAGS) को प्रस्तुत करता है, जो एक ऐसी विधि है जो ऑफलाइन मानव प्रदर्शनों (human demonstrations) से सुदृढीकरण शिक्षण (reinforcement learning) को आरंभ करके बड़े पैमाने के अपूर्ण-सूचना वाले खेलों (imperfect-information games) में अन्वेषण (exploration) को त्वरित करती है, जिससे निश्चित कम्प्यूटेशनल बजट के तहत कम एक्सप्लोइटेबिलिटी (exploitability) प्राप्त होती है और संभावित इक्विलिब्रियम पूर्वाग्रहों (equilibrium biases) का समाधान प्रदान किया जाता है।
यह शोध पत्र नेक्सस (Nexus) का परिचय देता है, जो एक मल्टी-एजेंट फ्रेमवर्क है जो समय श्रृंखला पूर्वानुमान (time series forecasting) को विशिष्ट चरणों में विभाजित करता है ताकि असंरचित प्रासंगिक डेटा (unstructured contextual data) को संख्यात्मक पैटर्न के साथ प्रभावी ढंग से एकीकृत किया जा सके, जिससे वर्तमान एलएलएम (LLMs) पारदर्शी तर्क संबंधी निशान (reasoning traces) प्रदान करते हुए अत्याधुनिक मॉडलों के बराबर या उनसे बेहतर प्रदर्शन करने में सक्षम होते हैं।
यह शोधपत्र अराजक प्रणालियों (chaotic systems) के सरोगेट मॉडल को प्रशिक्षित करने के लिए एक नवीन ढांचे को प्रस्तुत करता है जो स्थानीय चरण स्थान आवरणों (local phase space coverings) के पुशफॉरवर्ड वितरणों के बीच अधिकतम माध्य विसंगति (maximum mean discrepancy) को न्यूनतम करके स्थानीय जैकोबियन अनुमान में उच्च सटीकता और दीर्घकालिक सांख्यिकीय व्यवहार को एक साथ प्राप्त करता है।
यह शोध पत्र MahaVar को प्रस्तुत करता है, जो एक पोस्ट-हॉक आउट-ऑफ-डिस्ट्रीब्यूशन डिटेक्शन विधि है जो इस सैद्धांतिक रूप से पुष्ट अवलोकन का लाभ उठाती है कि न्यूरल कोलैप्स ज्योमेट्री के कारण इन-डिस्ट्रीब्यूशन नमूनों में उच्च क्लास-वाइज महलानोबिस डिस्टेंस वेरिएंस होता है, जिससे यह मानक बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र पाठ्य शर्तों (textual conditions) के साथ काउंटरफैक्चुअल टाइम सीरीज़ फोरकास्टिंग (counterfactual time series forecasting) के कार्य को प्रस्तुत करता है, जिसमें एक नवीन टेक्स्ट-एट्रिब्यूशन तंत्र और एक व्यापक मूल्यांकन ढांचा प्रस्तावित किया गया है ताकि उन जटिल वास्तविक दुनिया के परिदृश्यों में लचीली, स्थिति-जागरूक भविष्यवाणियां सक्षम की जा सकें जहाँ भविष्य की घटनाएं परिणामों को प्रभावित करती हैं।
यह शोध पत्र एक सिंगल-टाइमस्केल फेडरेटेड एक्टर-क्रिटिक फ्रेमवर्क प्रस्तावित करता है जो एक सामान्य रैखिक उपसमष्टि (लीनियर सबस्पेस) साझा करते हुए स्थानीय नीति घटकों को बनाए रखकर सहयोगात्मक शिक्षण और वैयक्तिकरण के बीच संतुलन बनाता है, जिससे एजेंटों की संख्या पर लीनियर स्पीडअप के साथ परिमित-समय अभिसरण (फाइनाइट-टाइम कन्वर्जेंस) प्राप्त होता है और विषम कार्यों पर उत्कृष्ट प्रदर्शन प्रदर्शित होता है।