24308 पेपर
यह शोध पत्र जनरेटिव एआई (generative AI) में उपयोगकर्ता के बोझ और प्राथमिकता की सटीकता के बीच के संतुलन को अनुकूलित करने के लिए एक सैद्धांतिक ढांचे और अनुभवजन्य विश्लेषण का प्रस्ताव करता है, जो यह प्रदर्शित करता है कि रणनीतिक रूप से जानकारी मांगना दक्षता बनाए रखते हुए मॉडल-आधारित अनुमान में निहित व्यवस्थित पूर्वाग्रहों को प्रभावी ढंग से कम कर सकता है।
यह शोधपत्र SPADE प्रस्तुत करता है, जो एक नवीन फ्रेमवर्क है जिसे ऑफलाइन ब्लैक-बॉक्स ऑप्टिमाइज़ेशन के लिए विकसित किया गया है, जो आउट-ऑफ-डिस्ट्रीब्यूशन चुनौतियों को प्रभावी ढंग से संबोधित करने और अत्याधुनिक प्रदर्शन प्राप्त करने के लिए कैलिब्रेटेड एस्टीमेशन और सपोर्ट-प्रॉक्सिमिटी रेगुलराइजेशन द्वारा संवर्धित एक डिफ्यूजन-आधारित फॉरवर्ड सरोगेट मॉडल का लाभ उठाता है।
यह शोध पत्र मधुमेह मॉडलिंग के लिए एक प्रमाण-आधारित, सिमुलेशन-संचालित डिजिटल ट्विन फ्रेमवर्क प्रस्तुत करता है जो तत्काल नैदानिक तत्परता का दावा करने के बजाय निर्णय-जागरूक विश्लेषण के लिए व्याख्या योग्य सिम्युलेटेड प्रक्षेपवक्र (ट्रैजेक्टरीज) और प्रतितथ्यात्मक (काउंटरफैक्चुअल) परिदृश्यों को उत्पन्न करने को प्राथमिकता देता है।
यह शोध पत्र करिकुलम लर्निंग-गाइडेड प्रोग्रेसिव डिस्टिलेशन (CLPD) का प्रस्ताव करता है, जो एक एकीकृत ढांचा है जो प्रशिक्षण डेटा की कठिनाई को धीरे-धीरे बढ़ते शिक्षक मॉडल की क्षमता के साथ संयुक्त रूप से संरेखित करके बड़े भाषा मॉडलों में ज्ञान आसवन (नॉलेज डिस्टिलेशन) को बढ़ाता है, जिससे मौजूदा विधियों की सीमाओं को दूर किया जा जाता है और छोटे छात्र मॉडलों में तर्क प्रदर्शन में सुधार किया जाता है।
यह शोध पत्र यह प्रदर्शित करता है कि एक आवर्ती फीडबैक तंत्र (recurrent feedback mechanism) के माध्यम से लेटेंट चेन-ऑफ-थॉट (latent chain-of-thought) को पेश करना, टेस्ट-टाइम कंप्यूट को प्रभावी ढंग से स्केल करके, टाइम-सीरीज और टैबुलर प्रेडिक्शन कार्यों पर स्ट्रक्चर्ड-डेटा ट्रांसफॉर्मर्स के प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह शोध पत्र एक नवीन बाह्य सत्यापन ढांचे का प्रस्ताव करता है जो विकास डेटा (डेवलपमेंट डेटा) के साथ रोगी-स्तरीय समानता को मापने के लिए जनरेटिव ऑटोएनकोडर्स का उपयोग करता है, जिससे मॉडल की कमियों और जनसंख्या के अंतरों को अलग किया जा सके ताकि विशिष्ट रोगी उपसमूहों के लिए एक भविष्य कहने वाले मॉडल की परिवहन क्षमता (ट्रांसपोर्टेबिलिटी) और सुरक्षा का अधिक सटीक मूल्यांकन प्रदान किया जा सके।
यह शोध पत्र टेम्पोरल ऑपरेटर अटेंशन (TOA) प्रस्तुत करता है, जो स्पष्ट, सीखने योग्य अनुक्रम-स्थान (सीक्वेंस-स्पेस) ऑपरेटरों को शामिल करके टाइम-सीरीज फोरकास्टिंग में मानक सॉफ्टमैक्स अटेंशन की सीमाओं को दूर करने वाला एक ढांचा है ताकि हस्ताक्षरित (साइंड) और दोलनकारी रूपांतरणों को सक्षम बनाया जा सके, जिससे विभिन्न बेंचमार्क पर बेहतर प्रदर्शन प्राप्त किया जा सके।
यह शोधपत्र एक कोटिएंट-कैटेगोरिकल (quotient-categorical) ढांचे को औसत-इनाम वितरण संबंधी सुदृढीकरण शिक्षण (average-reward distributional reinforcement learning) के लिए प्रस्तुत करता है जो अनुवाद (translation) तक अवस्था-सूचकांक कानूनों (state-indexed laws) की पहचान करके पूर्वाग्रह अनुमान (bias estimation) की दुर्बल प्रकृति को हल करता है, जिससे सुस्पष्ट, गैर-विस्तारकारी ऑपरेटरों (non-expansive operators) को सक्षम बनाया जा सके और ऑनलाइन गेन अनुमान (online gain estimation) के साथ आदर्श और व्यावहारिक नमूनाकृत एल्गोरिदम दोनों के लिए अभिसरण (convergence) सिद्ध किया जा सके।
यह शोध पत्र क्लास इम्बैलेंस (वर्ग असंतुलन) के तहत कॉन्ट्रास्टिव लर्निंग में इष्टतम निरूपणों (ऑप्टिमल रिप्रेजेंटेशन्स) की ज्यामिति को अभिलक्षित करता है, यह सिद्ध करते हुए कि जबकि संतुलित वर्ग 'न्यूरल कोलैप्स' प्रदर्शित करते हैं, असंतुलित वर्ग एक अनुपात-निर्भर कोणीय समरूपता (प्रपोर्शन-डिपेंडेंट एंगुलर सिमेट्री) का पालन करते हैं जो एक विशिष्ट सीमा से अधिक असंतुलन होने पर "माइनोरिटी कोलैप्स" की ओर ले जा सकता है।
यह शोध पत्र DuST प्रस्तुत करता है, जो एक सेल्फ-ट्रेनिंग फ्रेमवर्क है जो टेस्ट-टाइम सैंपलिंग का लाभ उठाकर एक "डुअल जजमेंट स्पेस" बनाता है जहाँ मॉडल ऑन-पॉलिसी रीइन्फोर्समेंट लर्निंग के माध्यम से कैंडिडेट प्रोग्राम्स को रैंक करना सीखते हैं, जिससे सही जनरेशन के लिए प्रत्यक्ष रिवार्ड्स के बिना भी कोड की शुद्धता को परखने और उच्च गुणवत्ता वाले समाधान उत्पन्न करने की उनकी क्षमता में सुधार होता है।