20203 पेपर
यह शोध पत्र 'वैरिएंस-करेक्टिव टाइम शिफ्टिंग' नामक एक प्रशिक्षण-मुक्त विधि प्रस्तुत करता है जो प्रभावी तापमान सैंपलिंग (टेम्परेचर सैंपलिंग) को सक्षम करने के लिए डिफ्यूजन मॉडल्स का उपयोग करती है ताकि वेरिएंस को बढ़ाए बिना प्रमुख मोड्स को सपाट करके विविधता को बढ़ाया जा सके, जिससे उच्च गुणवत्ता और कंडीशन फिडेलिटी बनाए रखते हुए विभिन्न आर्किटेक्चर में सैंपल विविधता में सुधार किया जा सके।
यह शोध पत्र अनिश्चितता, अंशांकन (कैलिब्रेशन) और सुदृढ़ता के व्यापक मूल्यांकन के माध्यम से क्वांटाइज़्ड लार्ज लैंग्वेज मॉडल्स की विश्वसनीयता की जांच करता है, जो यह प्रकट करता है कि जबकि प्रदर्शन कुल मॉडल बिट्स के साथ निरंतर बढ़ता है, विश्वसनीयता 4-बिट क्वांटाइजेशन पर चरम पर होती है और क्वांटाइजेशन वास्तव में प्राकृतिक इनपुट व्यवधानों के विरुद्ध सुदृढ़ता को बढ़ाता है।
यह शोध पत्र TWIN को प्रस्तुत करता है, जो विशेष रूप से *ab initio* और प्रयोगात्मक डेटा पर प्रशिक्षित एक हस्तांतरणीय (transferable) मशीन लर्निंग पोटेंशियल है, जो इमप्लिसिट वॉटर (implicit water) में ड्रग और प्रोटीन मॉडलिंग के लिए नियर-DFT सटीकता प्राप्त करता है और स्पष्ट विलायक (explicit solvent) विधियों की तुलना में दो-क्रम-परिमाण (two-order-of-magnitude) का स्पीडअप प्रदान करता है।
ZoRRO एक प्रशिक्षण-मुक्त (training-free), शून्य-भार (zero-weight) ढांचा है जो स्केलेबल समाचार अनुशंसा (news recommendation) के लिए है, जो अत्याधुनिक डीप लर्निंग मॉडलों के तुलनीय ऑनलाइन प्रदर्शन प्राप्त करता है जबकि यह 600 गुना अधिक तेज़ी से कार्य करता है, जो अनुशंसा प्रणालियों (recommender systems) को सटीकता मेट्रिक्स से परे मूल्यांकन करने की महत्वपूर्ण आवश्यकता को रेखांकित करता है।
NAILS एक स्केलेबल, रिट्रेनिंग-मुक्त विधि है जो आंतरिक लेबल शिफ्ट के माध्यम से आइटम एट्रिब्यूट्स पर एक लक्षित वितरण प्रेरित करके अनुशंसा प्रणाली (रेकमेंडर सिस्टम) के आउटपुट को निष्पक्षता और विविधता जैसे मानद उद्देश्यों के साथ संरेखित करती है, जिससे वैश्विक मूल्यों और उपयोगकर्ता जुड़ाव के बीच संतुलन बनाया जाता है।
यह शोध पत्र मात्रात्मक प्रयोगात्मक साक्ष्य प्रदान करता है कि ट्रांसफॉर्मर की गतिशीलता इन्फ्रारेड सामूहिक संगठन (infrared collective organization) के एक सार्वभौमिक सिद्धांत द्वारा शासित होती है, जहाँ सीखना धीमी विश्रांति मोड (slow relaxation modes) के संचय के माध्यम से स्मृति को बढ़ाने और विस्मृति को कम करने के लिए समय-पैमाने के अवस्था घनत्व (time-scale density of states) को पुनर्गठित करता है।
यह शोध पत्र यह प्रदर्शित करके कि विलुप्त प्रभाव (latent effects) एक संकुचित दृश्यमान ऑपरेटर (compressed observable operator) के आइजनमानों (eigenvalues) के अनुरूप होते हैं, अदृश्य कन्फाउंडिंग के तहत विषम उपचार प्रभावों (heterogeneous treatment effects) की पहचान करने के लिए एक स्पेक्ट्रल ढांचे को प्रस्तुत करता है, जिससे यह ओवरकम्प्लीट प्रॉक्सी सिस्टम को संभालने के लिए सिंथेटिक पोटेंशियल आउटकम्स (SPO) जैसे पूर्व स्केलर मोमेंट-आधारित तरीकों का सामान्यीकरण और सुधार करता है और कठोर पर्टर्बेशन बाउंड्स (perturbation bounds) प्रदान करता है।
यह शोधपत्र SpectralOT प्रस्तुत करता है, जो fMRI के लिए एक गणनात्मक रूप से कुशल कार्यात्मक संरेखण (functional alignment) विधि है, जो फीचर संरेखण और शारीरिक संरक्षण को संतुलित करने के लिए लाप्लास-बेल्ट्रामी आइगेनमोड्स (Laplace-Beltrami eigenmodes) के माध्यम से कॉर्टिकल ज्यामिति का लाभ उठाता है, जिससे क्रॉस-सब्जेक्ट डिकोडिंग प्रदर्शन में सुधार होता है।
यह शोध पत्र स्टिकी जंप डिफ्यूजनों (SJDs) को प्रस्तुत करता है, जो एक एकीकृत निरंतर-समय मार्कोव ढांचा है जो मास्क किए गए, निरंतर और हाइब्रिड डिफ्यूजन मॉडलों को सीमाओं के रूप में प्राप्त करता है और डैनोइजिंग हैजर्ड मैचिंग के माध्यम से सिमुलेशन-मुक्त प्रशिक्षण सक्षम करता है, जबकि भ्रष्टाचार कर्नेल (corruption kernels) के लिए एक लचीला डिज़ाइन स्पेस प्रदान करता है जो CIFAR-10, Text8 और Sudoku जैसे कार्यों पर प्रदर्शन में सुधार करता है।
यह शोध पत्र एक क्लोज्ड-लूप DEX सिम्युलेटर पेश करता है यह प्रदर्शित करने के लिए कि एक छोटा डीप क्यू-नेटवर्क (DQN) एजेंट विशेष रूप से डायनेमिक-फी वातावरण में ट्यून्ड बेंचमार्क की तुलना में इम्प्लीमेंटेशन शॉर्टफॉल को महत्वपूर्ण रूप से कम करता है, जो ऑटोमेटेड मार्केट मेकर्स में निष्पादन नियंत्रण (एग्जीक्यूशन कंट्रोल) के लिए मॉडल-कंडीशन्ड काउंटरफैक्चुअल साक्ष्य प्रदान करता है।