20106 पेपर
यह शोध पत्र DAG-FM को प्रस्तुत करता है, जो एक नवीन फाउंडेशन मॉडल है जो विषम और उच्च-आयामी सारणीबद्ध डेटा (tabular data) पर अत्याधुनिक कॉज़ल डिस्कवरी प्रदर्शन प्राप्त करने के लिए 'मिक्सचर-ऑफ-लीफ-एक्सपर्ट्स' तंत्र के साथ एक दो-चरणीय ऑटो-रिग्रेसिव ट्रांसफॉर्मर आर्किटेक्चर का लाभ उठाता है।
यह शोध पत्र एक दो-चरणीय डिकोडिंग ढांचे का प्रस्ताव करता है जो EEG संकेतों से निरंतर 3D मोटर इमेजरी डिकोडिंग में अवशिष्ट गतिज त्रुटियों (residual kinematic errors) को सुधारने के लिए एक CNN-LSTM मॉडल को ऑफलाइन सुदृढीकरण लर्निंग (offline reinforcement learning) के साथ जोड़ता है, जो अतिरिक्त न्यूरल डेटा की आवश्यकता के बिना प्रक्षेपवक्र सटीकता (trajectory accuracy) में काफी सुधार करता है और त्रुटि दरों को कम करता है।
यह शोध पत्र अधिकतम भार वाले निर्देशित स्पैनिंग ट्री और द्विपक्षीय पूर्ण मिलान (bipartite perfect matchings) की गणना करने के लिए स्केलर गुणन गेट्स वाले ट्रॉपिकल सर्किटों के लिए घातीय निचली सीमाएं (exponential lower bounds) स्थापित करता है, जो यह प्रदर्शित करता है कि न्यूरल नेटवर्क में उत्तलता बाधाओं (convexity constraints) को लागू करना उनके अनियंत्रित समकक्षों की तुलना में घातीय रूप से बड़े मॉडलों को आवश्यक बना सकता है।
यह शोध पत्र रैंडम लेबल प्रेडिक्शन हेड्स (RLP-heads) को नेटवर्क परतों के माध्यम से मेमोराइजेशन (memorization) और रेडेमेकर कॉम्प्लेक्सिटी (Rademacher complexity) को अनुभवजन्य रूप से मापने के एक नवीन तरीके के रूप में प्रस्तुत करता है, जो यह प्रकट करता है कि मेमोराइजेशन को कम करने से हमेशा सामान्यीकरण (generalization) में सुधार नहीं होता है और ओवरफिटिंग तथा मेमोराइजेशन के बीच पारंपरिक समानता को चुनौती देता है।
यह शोध पत्र रोल-एंकोर्ड सेंट्रॉइड वोटिंग (role-anchored centroid voting) नामक एक प्रशिक्षण-मुक्त, ऑनलाइन विधि प्रस्तुत करता है जो ब्रॉडकास्ट फुटेज से ऑफ-स्क्रीन खिलाड़ियों की स्थितियों को इम्प्यूट (impute) करने के लिए है, जो अतिरिक्त प्रशिक्षण डेटा की आवश्यकता के बिना स्थानिक फुटबॉल मेट्रिक्स त्रुटियों को काफी कम करता है और पजेशन-क्वालिटी स्कोर जैसे डाउनस्ट्रीम एनालिटिक्स में सुधार करता है, और दो वास्तविक विश्व कप विंडो के लिए, इम्प्यूटेड स्कोर को 'सत्य' मानों के रूप में दावा नहीं किया गया है, बल्कि वे एक संवेदनशीलता परिणाम का प्रतिनिधित्व करते हैं जो यह दर्शाता है कि ब्रॉडकास्ट क्लिप्स पर फुल-पिच ग्राउंड ट्रुथ की कमी को देखते हुए, जब ऑफ-स्क्रीन खिलाड़ियों को इम्प्यूट किया जाता है तो निर्णय कैसे बदल सकते हैं।
यह शोधपत्र कोडिंग एजेंटों का उपयोग करके एक ह्यूरिस्टिक लर्निंग फ्रेमवर्क पेश करता है जो सक्रिय प्रवाह नियंत्रण (active flow control) के लिए प्रत्यक्ष, व्याख्यात्मक फीडबैक नियमों की खोज सीधे तौर पर करता है, और यह प्रदर्शित करता है कि यह दृष्टिकोण 13 बेंचमार्क में अत्याधुनिक डीप रिइन्फोर्समेंट लर्निंग के बराबर या उससे बेहतर प्रदर्शन करता है और साथ ही अधिक पारदर्शिता और भौतिक अंतर्दृष्टि प्रदान करता है।
यह शोधपत्र प्रदर्शित करता है कि एक गैर-रचनात्मक वैश्विक रंग योजना (nonconstructive global coloring scheme) के माध्यम से असाइन किया गया प्रति स्ट्रिंग एक एकल टर्मिनल बिट, गोल्ड के मॉडल में किसी भी गणनीय अनंत भाषाओं के संग्रह की पहचान करने में सक्षम करने के लिए पर्याप्त है, जबकि एक बोरेल मानचित्र (Borel map) द्वारा परिभाषित कोई भी ऐसी वैश्विक रूप से सुसंगत योजना के लिए अनंत रंगों की आवश्यकता होती है।
यह शोध पत्र एक ऑडिट फ्रेमवर्क प्रस्तुत करता है जो यह प्रदर्शित करता है कि प्रशिक्षित डिस्ट्रीब्यूशनल रिइन्फोर्समेंट लर्निंग एजेंटों के जोखिम-संवेदनशील दावे काफी हद तक संरचनात्मक प्रशिक्षण आर्टिफैक्ट्स हैं न कि पर्यावरणीय स्टोकेस्टिसिटी का सटीक प्रतिबिंब, जो उनकी जोखिम संबंधी सलाह को सूचनाहीन और निर्णय लेने के लिए अक्सर हानिकारक बना देते हैं।
यह अध्ययन प्रदर्शित करता है कि मल्टीमॉडल लैंग्वेज मॉडल LLaVA 1.6 पर लक्षित लीजन्स (lesions) और व्यवधानों (perturbations) को लागू करने से एफ़ेज़िया (aphasia) वाले व्यक्तियों के विशिष्ट चित्र-नामकरण त्रुटि प्रोफाइलों को मात्रात्मक रूप से पुनरुत्पादित किया जा सकता है, जो यह सुझाव देता है कि ऐसे मॉडल स्ट्रोक के बाद होने वाले भाषा संबंधी दोषों के अनुकरण के लिए "डिजिटल ट्विन्स" के रूप में कार्य कर सकते हैं।
यह शोध पत्र यह प्रदर्शित करता है कि बड़े भाषा मॉडल (large language models) स्पष्ट पैरामीटर विनिर्देश के बिना मानव मार्ग चयन पूर्वाग्रहों और प्रॉस्पेक्ट-थ्योरेटिक निर्णय व्यवहारों को प्रभावी ढंग से पुनरुत्पादित कर सकते हैं, जो बड़े पैमाने पर व्यवहार संबंधी मॉडलिंग के लिए पारंपरिक तरीकों के एक स्केलेबल विकल्प के रूप में कार्य करता है।