20156 पेपर
GraphSeg एक ऐसा फ्रेमवर्क है जो गहराई के डेटा के बिना विरल (sparse) 2D छवियों से सुसंगत 3D ऑब्जेक्ट सेगमेंटेशन उत्पन्न करता है, जो सेगमेंटेशन को ग्राफ एज एडिशन और कॉन्ट्रैक्शन समस्या के रूप में स्वरूपित करके असंरचित वातावरण में मजबूत रोबोटिक हेरफेर को सक्षम बनाता है।
यह शोध पत्र ज्यामितीय विस्थापन (geometric shifting) और सहप्रसरण हेरफेर (covariance manipulation) को एलएलएम (LLMs) में व्हाइट-बॉक्स मॉनिटर से बचने के लिए सक्षम करने वाले प्रमुख तंत्रों के रूप में पहचानता है और सेफ्टीनेट (SafetyNet) का प्रस्ताव करता है, जो एक सुदृढ़ एंसेम्बल रक्षा (robust ensemble defense) है जो कई मॉडल परिवारों और बेंचमार्क में लगभग पूर्ण डिटेक्शन प्रदर्शन प्राप्त करता है।
यह शोध पत्र कई हस्तक्षेपों (interventions) के तहत स्टेशनरी वितरण नमूनों (stationary distribution samples) से स्टोकेस्टिक डिफरेंशियल इक्वेशंस (stochastic differential equations) के मापदंडों को विशिष्ट रूप से पुनः प्राप्त करने के लिए पहले प्रमाणित सीमाएँ (provable bounds) स्थापित करता है, जो रैखिक और लघु-शोर गैररेखीय (small-noise nonlinear) दोनों मामलों के लिए सैद्धांतिक गारंटी प्रदान करता है और जीन नियामक गतिकी (gene regulatory dynamics) के मॉडलिंग में व्यावहारिक लाभ प्रदर्शित करता है।
STITCH-OPE एक मॉडल-आधारित जनरेटिव फ्रेमवर्क है जो गाइडेड डिफ्यूजन और ट्रजेक्टरी स्टिचिंग का लाभ उठाता है ताकि उच्च-आयामी, लंबे-क्षितिज वाले परिवेश में मौजूदा ऑफ-पॉलिसी इवैल्यूएशन विधियों की सीमाओं को दूर किया जा सके, जिससे महत्वपूर्ण रूप से कम वेरिएंस और बेहतर सटीकता प्राप्त होती है।
यह शोध पत्र Bi-JCR को प्रस्तुत करता है, जो एक ऐसा फ्रेमवर्क है जो 3D फाउंडेशन मॉडल्स का लाभ उठाकर द्वि-हस्त (bi-manual) रोबोट कैमरों के मार्कर-मुक्त, संयुक्त अंशांकन (calibration) और सीधे RGB छवियों से एक एकीकृत, स्केल-सुसंगत 3D दृश्य प्रतिनिधित्व के निर्माण को सक्षम बनाता है, जिससे द्वि-हस्त समन्वय कार्यों को सुगम बनाया जा सके।
यह शोध पत्र एक नए सैद्धांतिक ढांचे का प्रस्ताव और सत्यापन करता है जो यह प्रदर्शित करता है कि एक AI एजेंट की क्षमताओं के बारे में मानवीय विश्वास RLHF में प्राथमिकता जनरेशन (preference generation) को महत्वपूर्ण रूप से प्रभावित करते हैं, और यह दर्शाता है कि इन विश्वासों को वास्तविक एजेंट क्षमताओं के साथ संरेखित करना—इष्टतमता (optimality) मान लेने के बजाय—अधिक प्रदर्शन करने वाली सीखी गई नीतियों की ओर ले जाता है।
यह शोध पत्र बबल डायनेमिक्स ट्रांसफॉर्मर (BDT) को प्रस्तुत करता है, जो एक AI-संवर्धित ढांचा है जो लेजर-प्रेरित कैविटेशन डेटा से सॉफ्ट मैटेरियल्स के अल्ट्रा-हाई स्ट्रेन-रेट विस्कोइलास्टिक गुणों को तेजी से और सटीक रूप से अभिलक्षणित करने के लिए भौतिकी-आधारित सिमुलेशन पर प्रशिक्षित ट्रांसफॉर्मर न्यूरल नेटवर्क का लाभ उठाता है, जो पारंपरिक पुनरावृत्ति व्युत्क्रम फिटिंग विधियों की कम्प्यूटेशनल सीमाओं को दूर करता है।
यह शोध पत्र CLEAR का प्रस्ताव करता है, जो एक ऐसा अंशांकन (कैलिब्रेशन) तरीका है जो विविध वास्तविक दुनिया के डेटासेट में रिग्रेशन कार्यों के लिए प्रेडिक्टिव इंटरवल्स की कंडीशनल कवरेज और दक्षता में महत्वपूर्ण सुधार करने के लिए एलियटोरिक (aleatoric) और एपिस्टेमिक (epistemic) अनिश्चितता के लिए अलग-अलग मापदंडों को जोड़ता है।
यह शोध पत्र एक पारदर्शी, मॉड्यूलर विज़ुअलाइज़ेशन फ्रेमवर्क प्रस्तावित करता है जो डेटा को क्रमिक रूप से क्लस्टर करने, प्रत्येक क्लस्टर को व्यक्तिगत रूप से एम्बेड करने और फिर स्थानीय संरचना और वैश्विक ज्यामिति दोनों को संरक्षित करने के लिए उन्हें संरेखित करने के माध्यम से t-SNE और UMAP जैसी विधियों में सुधार करता है।
यह शोध पत्र डेल्टा-कॉन्वेक्स (delta-convex) फलनों में एक गैर-रेखीय विशेषता विस्तार (nonlinear feature expansion) के माध्यम से मैक्स-एफ़िन (max-affine) विधियों का विस्तार करके, शोर वाले डेटा से लिप्सचिट्ज़ (Lipschitz) फलनों का अनुमान लगाने के लिए एक सुलभ, निकट-इष्टतम एल्गोरिदम प्रस्तुत करता है, जो अनुकूलनशील विभाजन (adaptive partitioning) और एक द्वि-चरणीय अनुकूलन प्रक्रिया के माध्यम से लिप्सचिट्ज़ स्थिरांक के पूर्व ज्ञान के बिना मिनीमैक्स अभिसरण दर (minimax convergence rates) प्राप्त करता है।