24409 पेपर
यह शोध पत्र एआई अलाइनमेंट (AI alignment) में रिवॉर्ड मॉडलिंग के लिए एक कारण-आधारित (causal) ढांचे का प्रस्ताव करता है ताकि कारण-संबंधी गलत पहचान (causal misidentification) और भ्रम (confounding) जैसी चुनौतियों का समाधान किया जा सके, और यह प्रदर्शित करता है कि कैसे कारण-प्रेरित दृष्टिकोण सरल विधियों की तुलना में मॉडल की मजबूती और सामान्यीकरण (generalization) में सुधार कर सकते हैं।
यह शोध पत्र डेकामीटर कोहेरेंट स्कैटर रडार के लिए एक स्व-शिक्षण सिग्नल क्लासिफायर प्रस्तुत करता है जो मापे गए रडार मापदंडों और मॉडल किए गए रेडियो तरंग प्रसार विशेषताओं के संयोजन के आधार पर 14 आत्मविश्वासपूर्ण रूप से अलग करने योग्य वर्गों की पहचान करने के लिए 12 सुपरडार्न (SuperDARN) और सेकिरा (SECIRA) रडार के दो वर्षों के डेटा का उपयोग करके स्वचालित रूप से एक मॉडल का निर्माण करता है।
यह शोध पत्र प्लैकेट-लूस डिस्टिलेशन (PLD) प्रस्तुत करता है, जो एक चॉइस-थ्योरेटिक, लिस्ट-वाइज़ रैंकिंग लॉस है जो टीचर लॉजिट्स को 'वर्थ स्कोर्स' के रूप में व्याख्यायित करता है ताकि सीधे एक सिंगल टीचर-ऑप्टिमल रैंकिंग को ऑप्टिमाइज़ किया जा सके, जिससे विविध डेटासेट्स और आर्किटेक्चर पर सुसंगत प्रदर्शन लाभ प्राप्त करते हुए डिस्टिलेशन वेट्स को ट्यून करने की आवश्यकता समाप्त हो जाती है।
यह शोधपत्र मैनिफोल्ड गॉसियन प्रोसेस रिग्रेशन के लिए एक सक्रिय शिक्षण ढांचा प्रस्तुत करता है जो वैश्विक भविष्यवाणी त्रुटि को कम करने के लिए आयामी न्यूनीकरण हेतु एक न्यूरल नेटवर्क और एक लेटेंट-स्पेस रिग्रेशर को संयुक्त रूप से अनुकूलित करता है, जो जटिल, उच्च-आयामी फलनों को संभालने में रैंडम सीक्वेंशियल लर्निंग की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र जनरेटिव एआई के लिए एक प्रमाणित रूप से जालसाजी-प्रतिरोधी (forgery-resistant) रक्षा प्रस्तावित करता है जो वॉटरमार्क कुंजी चयन को यादृच्छिक (randomize) बनाता है और सामग्री को केवल तभी स्वीकार करता है जब वह ठीक एक कुंजी द्वारा पता लगाई जाती है, जो मॉडल उपयोगिता को कम किए बिना या कम्प्यूटेशनल ओवरहेड बढ़ाए बिना जालसाजी हमलों को प्रभावी ढंग से कम करता है।
यह शोध पत्र प्रस्तुत करता है, जो एक अनसुपरवाइज्ड (unsupervised), पार्सर-स्वतंत्र ढांचा है जो लॉग एम्बेडिंग्स को k-निकटतम पड़ोसी सांख्यिकी से प्राप्त संक्षिप्त चार-आयामी डिस्क्रिप्टर्स में बदलकर असाधारण गति और सटीकता के साथ अत्याधुनिक ऑनलाइन लॉग विसंगति का पता लगाता है।
यह शोध पत्र यह प्रदर्शित करता है कि कार्य जटिलता (task complexity) न्यूरल नेटवर्क के आंतरिक निरूपणों और मजबूती को मौलिक रूप से आकार देती है, यह प्रकट करते हुए कि कठिन कार्यों के लिए सटीक भार परिमाण (weight magnitudes) पर निर्भरता होती है जबकि आसान कार्य मुख्य रूप से हस्ताक्षरित द्विपक्षीय टोपोलॉजी (signed bipartite topology) पर निर्भर करते हैं, जो कि फुल-प्रिसिजन और बाइनराइज्ड या शफल्ड मॉडलों के बीच एक नवीन प्रदर्शन अंतराल मीट्रिक द्वारा परिमाणित किया गया है।
यह शोधपत्र 'रैंडमाइज्ड पीसीए फॉरेस्ट' (Randomized PCA Forest) नामक एक नवीन अनसुपरवाइज्ड आउटलियर डिटेक्शन विधि प्रस्तावित करता है, जो आउटलियर स्कोर प्राप्त करने के लिए अनुमानित K-निकटतम पड़ोसी (K-Nearest Neighbor) खोज हेतु रैंडमाइज्ड पीसीए के अंतर्निहित गुणों का लाभ उठाता है, और विभिन्न डेटासेट्स पर शास्त्रीय एवं अत्याधुनिक दृष्टिकोणों की तुलना में बेहतर प्रदर्शन और कम्प्यूटेशनल दक्षता प्रदर्शित करता है।
EventTSF एक ऑटोरेग्रेसिव डिफ्यूजन फ्रेमवर्क है जो इवेंट-अवेयर फ्लो-मैचिंग टाइमस्टेप्स के माध्यम से टेक्स्टुअल इवेंट डेटा को एकीकृत करके नॉन-स्टेशनरी टाइम सीरीज़ फोरकास्टिंग में सुधार करता है, जिससे मल्टीमॉडल इंटरैक्शन और इम्बैलेंस्ड डिनोइजिंग कठिनाई की चुनौतियों का समाधान होता है और मौजूदा बेसलाइन्स की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र डेटा-दुर्लभता की स्थितियों में डेटा-समृद्ध शहरों से पैटर्न को स्थानांतरित करके मैक्रोस्कोपिक फंडामेंटल डायग्राम का सटीक अनुमान लगाने के लिए एक मल्टी-टास्क फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क के साथ एकीकृत एक मेटा-लर्निंग फ्रेमवर्क प्रस्तावित करता है, जो पारंपरिक तरीकों की तुलना में प्रवाह भविष्यवाणी सटीकता में 50% सुधार प्राप्त करता है।