24514 पेपर
यह शोध पत्र यह प्रकट करता है कि एडम (Adam) ऑप्टिमाइज़र में निर्धारित करना इष्टतम है क्योंकि यह विशिष्ट रूप से प्रथम-क्रम ग्रेडिएंट स्केल इनवेरिएंस (first-order gradient scale invariance) सुनिश्चित करता है, जो एक ऐसी संरचनात्मक विशेषता है जो विविध कार्यों में प्रशिक्षण स्थिरता और प्रदर्शन में अनुभवजन्य रूप से देखे गए सुधारों की व्याख्या करती है।
यह शोध पत्र एक सुपरवाइज्ड मिक्सचर-ऑफ-एक्सपर्ट्स आर्किटेक्चर प्रस्तुत करता है जो केवल स्टीरियो एंडोस्कोपिक छवियों और 150 से कम प्रदर्शनों (demonstrations) का उपयोग करके हल्केवेट इमिटेशन लर्निंग पॉलिसियों को लचीले ऊतकों (deformable tissue) पर मजबूत और डेटा-कुशल सर्जिकल ग्रैस्पिंग और रिट्रैक्शन प्राप्त करने में सक्षम बनाता है, जो इन-डिस्ट्रीब्यूशन और चुनौतीपूर्ण आउट-ऑफ-डिस्ट्रीब्यूशन परिदृश्यों दोनों में मानक मॉडलों से काफी बेहतर प्रदर्शन करता है और एक्स विवो (ex vivo) तथा प्रारंभिक इन विवो (in vivo) पोर्सिन सर्जरी में सफल ज़ीरो-शॉट ट्रांसफर प्रदर्शित करता है।
यह शोध पत्र SMOG को प्रस्तुत करता है, जो मल्टी-आउटपुट गॉसियन प्रोसेस पर आधारित एक स्केलेबल और मॉड्यूलर मेटा-लर्निंग फ्रेमवर्क है, जो ऐतिहासिक डेटा का लाभ उठाकर उद्देश्यों के बीच सहसंबंधों को सीखता है और मेटाडेटा अनिश्चितता को लक्षित कार्य में प्रसारित करता है ताकि महंगे मल्टी-ऑब्जेक्टिव ब्लैक-बॉक्स ऑप्टिमाइज़ेशन समस्याओं को कुशलतापूर्वक हल किया जा सके।
ScholarPeer एक संदर्भ-जागरूक मल्टी-एजेंट फ्रेमवर्क है जो एक वरिष्ठ शोधकर्ता के वर्कफ़्लो का अनुकरण करके पीयर रिव्यू प्रक्रिया को सुदृढ़ करता है ताकि प्री-सबमिशन मेंटरशिप और पोस्ट-सबमिशन सत्यापन प्रदान किया जा सके, जो ICLR सबमिशन के एक बड़े पैमाने के डेटासेट पर तकनीकी सुदृढ़ता के ऑडिटिंग और छूटे हुए तुलनाओं की पहचान करने में उत्कृष्ट प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र विसंगति का पता लगाने (anomaly detection) में मापन त्रुटियों (measurement errors) और यांत्रिक बदलावों (mechanistic shifts) के बीच अंतर करने के लिए एक कारण मॉडल (causal model) और एक कुशल अनुमान प्रक्रिया प्रस्तावित करता है, जो अत्याधुनिक प्रदर्शन के साथ सटीक मूल कारण स्थानीयकरण (root cause localization) और विसंगति प्रकार वर्गीकरण को सक्षम बनाता है।
यह शोधपत्र नेस्टेड स्लाइस सैंपलिंग (NSS) को प्रस्तुत करता है, जो नेस्टेड सैंपलिंग का एक GPU-त्वरित, वेक्टरकृत निरूपण है जो जटिल, मल्टीमॉडल बायेसियन इन्फरेंस समस्याओं को कुशलतापूर्वक संभालने के लिए हिट-एंड-रन स्लाइस सैंपलिंग और एक अनुकूलित स्लाइस विड्थ नियम का लाभ उठाता है, साथ ही सटीक एविडेंस अनुमान और पोस्टीरियर सैंपल्स को बनाए रखता है।
यह शोध पत्र प्रकट करता है कि ट्रांसफॉर्मर्स में ग्रेडिएंट-आधारित एट्रिब्यूशन (attribution) व्यवस्थित रूप से कारण संबंधी महत्व को गलत पहचानता है, क्योंकि यह अनावश्यक प्रारंभिक-परत घटकों ("ग्रेडिएंट ब्लोट्स") को अत्यधिक महत्व देता है और महत्वपूर्ण अंतिम-परत घटकों ("हिडन हीरोज") को कम आंकता है, जिससे त्रुटिपूर्ण यांत्रिक व्याख्याओं से बचने के लिए कारण सत्यापन (causal validation) आवश्यक हो जाता है।
यह शोध पत्र आउटलायर-दूषित मापों के कारण बेयसियन व्युत्क्रम समस्याओं (Bayesian inverse problems) में डिफ्यूजन-आधारित सॉल्वर के प्रदर्शन में होने वाली गिरावट को संबोधित करने के लिए एक सुदृढ़ डिफ्यूजन पोस्टीरियर सैंपलिंग विधि का प्रस्ताव करता है जो रैखिक समस्याओं के लिए सैद्धांतिक रूप से स्थिर सिद्ध है और रैखिक एवं गैर-रैखिक दोनों कार्यों के लिए अनुभवजन्य रूप से प्रभावी है।
यह शोधपत्र MEG-XL को प्रस्तुत करता है, जो एक ब्रेन-टू-टेक्स्ट मॉडल है जो मौजूदा विधियों की तुलना में बेहतर डेटा-कुशल सामान्यीकरण (data-efficient generalization) और शब्द डिकोडिंग प्रदर्शन प्राप्त करने के लिए प्रति नमूना 2.5 मिनट के MEG डेटा के साथ लॉन्ग-कॉन्टेक्स्ट प्री-ट्रेनिंग का लाभ उठाता है, जो विशेष रूप से उन नैदानिक अनुप्रयोगों में लाभान्वित होता है जहाँ व्यापक प्रशिक्षण डेटा उपलब्ध नहीं होता है।
यह शोधपत्र MathlibLemma को प्रस्तुत करता है, जो एक स्वचालित LLM-आधारित पाइपलाइन है जो Lean Mathlib लाइब्रेरी का विस्तार करने के लिए लुप्त "लोकप्रिय" (folklore) लेम्मा की खोज और औपचारिकीकरण करती है, साथ ही AI-सहायता प्राप्त औपचारिक गणित को आगे बढ़ाने के लिए 4,000 से अधिक सत्यापित गणितीय कथनों का एक व्यापक बेंचमार्क स्थापित करती है।