24514 पेपर
हाइपरट्रांसपोर्ट (HyperTransport) एक हाइपरनेटवर्क फ्रेमवर्क है जो टेक्स्ट-टू-इमेज मॉडल्स के लिए एक्टिवेशन स्टीयरिंग की लागत को कम करता है, जो कॉन्सेप्ट एम्बेडिंग्स को सीधे इंटरवेंशन पैरामीटर्स में मैप करके, बिना प्रति-कॉन्सेप्ट ऑप्टिमाइज़ेशन के, अवधारणाओं के एक विशाल, ओपन-एंडेड सेट पर तत्काल, सुदृढ़ और निरंतर नियंत्रण सक्षम बनाता है।
यह शोध पत्र कोसाइन-अवेयर एडेप्टिव ईडब्ल्यूसी (Cosine-Aware Adaptive EWC) का प्रस्ताव करता है, जो एक नवीन विधि है जो स्टील्थी टेक्स्ट-टू-इमेज बैकडोर हमलों में अटैक सक्सेस रेट और मॉडल फिडेलिटी के बीच कृत्रिम समझौते (trade-off) को दूर करने के लिए पैरामीटर-आधारित रेगुलराइजेशन को गतिशील रूप से समायोजित करती है, जिससे मौजूदा बेसलाइन की तुलना में बेहतर प्रदर्शन और मजबूती प्राप्त होती है।
यह शोध पत्र एक स्पेक्ट्रल-इंजेक्शन डायग्नोस्टिक प्रस्तुत करता है जो प्रकट करता है कि इक्विवैरिएंट न्यूरल फोर्स फील्ड्स, जैसे कि NequIP, एक तीव्र "स्पेक्ट्रल सीलिंग" प्रदर्शित करते हैं जहाँ उनकी कोणीय आवृत्तियों (angular frequencies) को पुनः प्राप्त करने की क्षमता बैकबोन के अधिकतम डिग्री और प्रेडिक्शन नेटवर्क की बहुपद डिग्री (polynomial degree) के गुणनफल द्वारा निर्धारित एक सैद्धांतिक सीमा के परे अचानक ढह जाती है।
यह शोध पत्र तर्क देता है कि इलेक्ट्रॉनिक डिज़ाइन ऑटोमेशन (EDA) में सफल ग्राफ न्यूरल नेटवर्क अनुप्रयोगों के लिए विशिष्ट सर्किट कार्यों, जैसे कि टाइमिंग विश्लेषण के लिए मैक्स-प्लस रिकरेंस (max-plus recurrences) और IR ड्रॉप के लिए लीनियर सिस्टम्स (linear systems), की मूल बीजगणितीय संरचनाओं के साथ विशिष्ट कम्प्यूटेशनल आर्किटेक्चर को संरेखित करना आवश्यक है, न कि केवल सामान्य ग्राफ लर्निंग दृष्टिकोणों पर निर्भर रहना।
यह शोध पत्र Hi-MoE को प्रस्तुत करता है, जो एक पदानुक्रमित (hierarchical) Mixture-of-Experts फ्रेमवर्क है जो इंटर-ग्रुप लोड बैलेंसिंग और इंट्रा-ग्रुप एक्सपर्ट स्पेशलाइजेशन को एक साथ लागू करने के लिए दो-चरणीय अनुकूलन रणनीति का उपयोग करता है, जिससे रूटिंग स्थिरता और विविधता के बीच के ट्रेड-ऑफ को हल करते हुए मौजूदा बेसलाइनों की तुलना में महत्वपूर्ण प्रदर्शन सुधार प्राप्त होता है।
यह शोध पत्र प्रकट करता है कि इन-कॉन्टेक्स्ट लर्निंग मॉडल यांत्रिक रूप से प्रदर्शित टोकन को एक संपूर्ण शब्दावली के रूप में मानने के लिए बाध्य हैं, जिससे सटीकता तब ढह जाती है जब लेबल स्लॉट्स को सजातीय या यहाँ तक कि अर्थपूर्ण टोकनों से भरा जाता है, जो एक ऐसी घटना है जो विशिष्ट तंत्रिका परिपथों (न्यूरल सर्किट्स) तक सीमित है जो अर्थ संबंधी समझ को प्रारूप-संचालित टोकन पुनर्प्राप्ति के साथ ओवरराइड कर देते हैं।
यह शोध पत्र एक सैद्धांतिक ढांचा स्थापित करता है जो यह सिद्ध करता है कि नॉर्मलाइज्ड नेटवर्क्स में रेसिड्यूअल ब्लॉक्स को सम्मिलित करने से टेस्ट रिस्क में सुधार होता है, क्योंकि यह स्केलिंग लाभ को एक कम-जोखिम वाले "जंपबोर्ड" मॉडल से प्राप्त होने वाले रिप्रेजेंटेशनल गेन्स और नॉर्म-आधारित रेडेमेकर कॉम्प्लेक्सिटी बाउंड्स के माध्यम से नियंत्रित जनरलाइजेशन में विघटित करता है।
यह शोधपत्र कोहॉर्ट-प्रशिक्षित इम्पलिसिट न्यूरल रिप्रेजेंटेशन्स (INRs) की जांच करता है, जिसमें यह पहचान की गई है कि फ्रीजिंग के लिए इष्टतम लेयर उच्चतम वेट स्टेबल रैंक (highest weight stable rank) के अनुरूप होती है और स्पार्स ऑटोएन्कोडर विश्लेषण के माध्यम से यह प्रकट किया गया है कि SIREN और फूरियर-फीचर MLPs मौलिक रूप से भिन्न प्रतिनिधित्व—स्थानीयकृत समन्वय टाइल्स (localized coordinate tiles) बनाम इमेज-स्पैनिंग कंटोर्स (image-spanning contours)—एन्कोड करते हैं, जिससे INRs में हस्तांतरणीय प्रतिनिधित्वों की पहली यांत्रिक समझ प्राप्त होती है।
यह शोध पत्र प्रदर्शित करता है कि स्टेट स्पेस मॉडल्स (SSMs) पर मैनिफोल्ड-कंस्ट्रेंड हाइपर-कनेक्शन्स (mHC) को लागू करने से रेसिडुअल स्ट्रीम मिक्सिंग को डबली स्टोकेस्टिक मैट्रिसेस तक सीमित करके और स्ट्रीम-स्पेशलाइज्ड एडेप्टर्स को शामिल करके WikiText-2 पर लैंग्वेज मॉडलिंग प्रदर्शन में महत्वपूर्ण सुधार होता है, जिससे मेमोरी और थ्रूपुट लागत में मामूली वृद्धि के साथ कम परप्लेक्सिटी प्राप्त होती है।
यह शोध पत्र SGC-RML का प्रस्ताव करता है, जो एक एकीकृत और व्याख्यात्मक ढांचा है जो अधूरे लेबलिंग और क्रॉस-डिवाइस पूर्वाग्रह के तहत पार्किंसंस रोग की गंभीरता के विश्वसनीय, ऑडिट योग्य और अनुकूल अनुदैर्ध्य मूल्यांकन को सक्षम करने के लिए अनिश्चितता अनुमान और कॉन्फॉर्मल अंशांकन के साथ एक साझा लक्षण एटलस में मल्टीमॉडल वास्तविक दुनिया के डेटा को एकीकृत करता है।