24308 पेपर
यह शोध पत्र प्रदर्शित करता है कि स्पार्स बोल्ट्ज़मैन मशीन आर्किटेक्चर को संभाव्य कंप्यूटिंग हार्डवेयर (FPGAs) के साथ संयोजित करने से न्यूरल क्वांटम अवस्थाओं में मोंटे कार्लो सैंपलिंग की बाधा दूर हो जाती है, जिससे 6400 स्पिन तक के 2D ट्रांसवर्स-फील्ड आइसिंग मॉडल के लिए सटीक ग्राउंड-स्टेट ऊर्जा गणना और 900 स्पिन के लिए गहरे मॉडलों का कुशल प्रशिक्षण सक्षम होता है।
यह शोध पत्र LG-Flow प्रस्तुत करता है, जो एक सिद्धांत-आधारित लेटेंट ग्राफ डिफ्यूजन फ्रेमवर्क है जो लगभग लॉसलेस पुनर्निर्माण के लिए एक परम्यूटेशन-इक्विवैरिएंट ऑटोएनकोडर और मौजूदा ग्राफ जनरेशन मॉडल्स की क्वाड्रेटिक जटिलता को दूर करने के लिए फ्लो मैचिंग के साथ एक डिफ्यूजन ट्रांसफॉर्मर का उपयोग करता है, जिससे 1000 गुना तक की गति वृद्धि के साथ अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र एक डेटा फ़िल्टरिंग रणनीति और HE-SNR मीट्रिक को पेश करके SWE-bench के लिए प्रभावी मिड-ट्रेनिंग मीट्रिक्स की कमी को संबोधित करता है, जो जटिल सॉफ्टवेयर इंजीनियरिंग कार्यों के लिए लार्ज लैंग्वेज मॉडल अनुकूलन को बेहतर ढंग से निर्देशित करने के लिए एंट्रॉपी कम्प्रेशन हाइपोथीसिसिस (Entropy Compression Hypothesis) पर आधारित है।
यह शोध पत्र "क्लैरिटी" (Clarity) को प्रस्तुत करता है, जो एक नवीन मीट्रिक और मूल्यांकन ढांचा है जो स्पर्सिटी-अवेयर कॉन्सेप्ट बॉटलनेक मॉडल्स (sparsity-aware Concept Bottleneck Models) में एक महत्वपूर्ण फ्लेक्सिबिलिटी-इंटरप्रिटेबिलिटी ट्रेड-ऑफ को उजागर करता है, और यह प्रदर्शित करता है कि यह मीट्रिक मानक प्रदर्शन मापों की तुलना में मानव विश्वास के साथ काफी बेहतर तालमेल बिठाता है।
यह शोध पत्र पैराबोलिक पोजीशन एनकोडिंग (PaPE) को प्रस्तुत करता है, जो एक सिद्धांत-आधारित, विजन-केंद्रित पोजीशन एनकोडिंग विधि है जो मौजूदा बेसलाइनों की तुलना में विविध दृश्य मोडैलिटीज (visual modalities) में बेहतर एक्सट्रपलेशन और सामान्यीकरण प्राप्त करने के लिए पैराबोलिक फलनों का लाभ उठाती है।
यह शोध पत्र RACC (रिप्रजेंटेशन-अवेयर कवरेज क्राइटेरिया) प्रस्तुत करता है, जो LLM सुरक्षा परीक्षण के लिए एक स्केलेबल फ्रेमवर्क है जो टेस्ट सुइट की पर्याप्तता का मूल्यांकन करने और हमले के निर्माण (अटैक जनरेशन) को निर्देशित करने के लिए हिडन स्टेट्स से सुरक्षा-विशिष्ट रिप्रजेंटेशन्स निकालता है, जो पारंपरिक न्यूरॉन-स्तरीय कवरेज मानदंडों की सीमाओं को प्रभावी ढंग से दूर करता है।
यह शोधपत्र गैर-चिकनी (non-smooth) लॉस संरचनाओं को संभालने के लिए वास्तविक बीजगणितीय ज्यामिति (real algebraic geometry) का लाभ उठाते हुए, डेटा-संचालित बहु-आयामी हाइपरपैरामीटर ट्यूनिंग में सिद्ध सामान्यीकरण गारंटी (provable generalization guarantees) प्रदान करने के लिए पहला सामान्य ढांचा स्थापित करता है, साथ ही संबंधित निचली सीमाएं (lower bounds) भी व्युत्पन्न करता है और वेटेड ग्रुप एवं फ्यूज्ड लासो (weighted group and fused lasso) पर इसके अनुप्रयोगों को प्रदर्शित करता है।
यह शोधपत्र AgentOWL को प्रस्तुत करता है, जो एक नमूना-कुशल (sample-efficient) विधि है जो एक अमूर्त विश्व मॉडल (abstract world model) और पदानुक्रमित न्यूरल ऑप्शंस (hierarchical neural options) को संयुक्त रूप से सीखती है ताकि AI एजेंट मौजूदा मॉडल-मुक्त दृष्टिकोणों की तुलना में कम डेटा और बेहतर सामान्यीकरण के साथ नए कौशल प्राप्त कर सकें और उन्हें संयोजित कर सकें।
यह शोध पत्र 'पार्टीशन ट्री' (Partition Tree) का परिचय देता है, जो एक नवीन नॉनपैरामेट्रिक ढांचा है जो नेगेटिव लॉग-लाइक्लीहुड (negative log-likelihood) को कम करने के लिए डेटा-अनुकूल विभाजनों को सीखकर सामान्य परिणाम स्थानों (general outcome spaces) पर कंडीशनल डेंसिटी का अनुमान लगाता है, साथ ही इसके बैगिंग विस्तार, 'पार्टीशन फॉरेस्ट' (Partition Forest) के साथ, जो मौजूदा ट्री-आधारित और रैंडम फॉरेस्ट विधियों की तुलना में बेहतर संभाव्य भविष्यवाणी प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र यह पहचान करता है कि सख्त यूनिटरी ग्राफ कनवल्शन (unitary graph convolutions) प्राकृतिक स्मूथिंग प्रक्रियाओं को अत्यधिक बाधित करके डायनेमिक्स मॉडलिंग में बाधा डालते हैं, और मेष (meshes) के लिए सामान्यीकृत रिलैक्स्ड यूनिटरी कनवल्शन्स (relaxed unitary convolutions) की एक नई विधि प्रस्तावित करता है जो आंशिक अंतर समीकरणों (partial differential equations) को हल करने और मौसम के पूर्वानुमान में मौजूदा बेसलाइन से बेहतर प्रदर्शन करती है।