24308 पेपर
यह शोध पत्र एक पैरामीटर-मुक्त कनेक्शन रणनीति, एक स्थानिक रूप से कुशल कनवल्शनल आर्किटेक्चर और एक अनुकूली विविक्तकरण (discretization) प्रक्रिया के माध्यम से संक्षिप्त और सटीक बूलियन नेटवर्क सीखने के लिए एक नवीन ढांचे को प्रस्तुत करता है, जो काफी कम कम्प्यूटेशनल लागत और हार्डवेयर पर नैनोसेकंड-स्केल इन्फरेंस लेटेंसी के साथ अत्याधुनिक सटीकता प्राप्त करता है।
यह शोध पत्र OGPSA का प्रस्ताव करता है, जो एक हल्का निरंतर शिक्षण (continual learning) तरीका है जो सुरक्षा पोस्ट-ट्रेनिंग में एलाइनमेंट टैक्स (alignment tax) को कम करने के लिए सुरक्षा ग्रेडिएंट्स को एक ऑर्थोगोनल सबस्पेस पर प्रोजेक्ट करता है ताकि बड़े पैमाने पर डेटा रिप्ले की आवश्यकता के बिना सामान्य मॉडल क्षमताओं को संरक्षित किया जा सके।
यह शोध पत्र फाइन-ट्यूनिंग रोबस्ट पॉलिसी ऑप्टिमाइज़ेशन (FRPO) को प्रस्तुत करता है, जो एक रोबस्ट RLHF फ्रेमवर्क है जो संभावित पॉलिसी बदलावों के एक पड़ोस (neighborhood) में रिवॉर्ड स्थिरता को अनुकूलित करने के लिए एक मैक्स-मिन फॉर्मूलेशन का उपयोग करता है, जिससे बिना किसी अतिरिक्त कम्प्यूटेशनल लागत के, बाद के डाउनस्ट्रीम फाइन-ट्यूनिंग के दौरान सुरक्षा और अन्य सीखे गए व्यवहारों की विनाशकारी विस्मृति (catastrophic forgetting) को प्रभावी ढंग से रोका जा सकता है।
KVCodec एक नवीन प्रणाली है जो बैंडविड्थ-सीमित परिदृश्यों में लॉसलेस सटीकता बनाए रखते हुए, रिमोट KV कैश के ट्रांसमिशन को कुशलतापूर्वक संपीड़ित करने और पाइपलाइन करने के लिए GPU-नेटिव वीडियो कोडक और एक विशेष टेंसर लेआउट का लाभ उठाती है, जिससे टाइम-टू-फर्स्ट-टोकन में काफी कमी आती है।
यह शोधपत्र एक नवीन टाइम सीरीज़ मॉडलिंग दृष्टिकोण प्रस्तुत करता है जो ट्रांसफॉर्मर्स में गणनात्मक रूप से महंगे न्यूरल ओडीई (Neural ODEs) को एक क्लोज्ड-फॉर्म डैम्प्ड हार्मोनिक ऑसिलेटर फ्रेमवर्क से प्रतिस्थापित करता है, जिससे अटेंशन को एक रेजोनेंस घटना के रूप में मानकर अनियमित टाइम सीरीज़ का कुशल, स्केलेबल और सैद्धांतिक रूप से सुदृढ़ प्रबंधन सक्षम होता है।
यह शोध पत्र फेडरेटेड ग्रेंजर कॉज़ल लर्निंग (Federated Granger Causal Learning) के लिए एक अनिश्चितता-जागरूक ढांचे (uncertainty-aware framework) को प्रस्तुत करता है जो वितरित समय-श्रृंखला प्रणालियों में स्थिर-अवस्था अनिश्चितता प्रसार (steady-state uncertainty propagation) के लिए बंद-रूप अभिव्यक्तियों (closed-form expressions) को व्युत्पन्न करता है, जिससे वास्तविक क्रॉस-क्लाइंट इंटरैक्शन को स्प्यूरियस किनारों (spurious edges) से अलग करने के लिए सिद्धांत-आधारित परिकल्पना परीक्षण सक्षम होता है और मौजूदा नियतात्मक बेसलाइन (deterministic baselines) से बेहतर प्रदर्शन करता है।
यह शोध पत्र चुंबकीय नेविगेशन के लिए एक भौतिकी-जागरूक (physics-aware) न्यूरल नेटवर्क फ्रेमवर्क प्रस्तावित करता है जो विमान-प्रेरित चुंबकीय हस्तक्षेप को प्रभावी ढंग से शोर-मुक्त करने के लिए डाइवर्जेंस-फ्री बाधाओं और E(3)-इक्विवैरिएंस को एकीकृत करता है, जो यह प्रदर्शित करता है कि सिंथेटिक डेटा जनरेशन के साथ कॉन्टिफॉर्मर (Contiformer) आर्किटेक्चर शास्त्रीय और अनकन्स्ट्रेंड डीप लर्निंग दृष्टिकोणों की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र मल्टी-एजेंट सिस्टम के लिए एक डिस्ट्रीब्यूटेड क्वांटम गॉसियन प्रोसेस (DQGP) फ्रेमवर्क प्रस्तावित करता है जो उन्नत मॉडलिंग के लिए क्वांटम एम्बेडिंग का लाभ उठाता है और परिणामी गैर-यूक्लिडियन अनुकूलन समस्या को हल करने के लिए एक डिस्ट्रीब्यूटेड कंसेंसस रीमानियन ADMM एल्गोरिदम पेश करता है, जो क्वांटम सिमुलेशन के माध्यम से वास्तविक और सिंथेटिक डेटासेट पर इसकी प्रभावकारिता को प्रदर्शित करता है।
यह शोध पत्र GRAPHIC प्रस्तुत करता है, जो एक आर्किटेक्चर-अज्ञेय (architecture-agnostic) विधि है जो प्रशिक्षण प्रक्रिया के दौरान क्लास कन्फ्यूजन डायनेमिक्स, लीनियर सेपरेबिलिटी और डेटासेट संबंधी समस्याओं को व्यवस्थित रूप से विज़ुअलाइज़ और परिमाणित करने के लिए मध्यवर्ती न्यूरल नेटवर्क परतों से प्राप्त कन्फ्यूजन मैट्रिसेस पर नेटवर्क विज्ञान लागू करता है।
यह शोध पत्र स्पेस सिंटैक्स-गाइडेड पोस्ट-ट्रेनिंग (SSPT) का प्रस्ताव करता है, जो एक स्पेस सिंटैक्स इंटीग्रेशन ओरेकलल का लाभ उठाकर आवासीय फ्लोर प्लान जनरेटरों को परिष्कृत करने के लिए आउटपुट-साइड कॉन्फ़िगरेशनल फीडबैक प्रदान करता है, और यह प्रदर्शित करता है कि पुनरावृत्ति और सुदृढीकरण शिक्षण रणनीतियों के माध्यम से वास्तुशिल्प सिद्धांत प्रभावी रूप से उत्पन्न लेआउट के स्थानिक तर्क को बढ़ा सकता है।