24514 पेपर
यह शोध पत्र 'स्केच-एंड-वेरिफाई' (Sketch-and-Verify) को पेश करता है, जो छोटे कोड मॉडलों के लिए एक लागत प्रभावी इन्फरेंस-टाइम स्केलिंग रणनीति है जो विविध एल्गोरिद्मिक स्केचेस को सूचीबद्ध करने और उन्हें कई उम्मीदवारों के साथ भरने के माध्यम से फ्लैट सैंपलिंग से बेहतर प्रदर्शन करती है, हालांकि यह मजबूत मॉडल स्तरों के प्रदर्शन को पूरी तरह से प्रतिस्थापित नहीं कर सकता है।
यह शोध पत्र PHIDA को प्रस्तुत करता है, जो एक ऑनलाइन क्लस्टरिंग विधि है जो स्थिर और गैर-स्थिर दोनों वातावरणों में स्थिरता और प्रदर्शन को बेहतर बनाने के लिए पर्सिस्टेंस-गाइडेड नोड-टू-क्लस्टर मैपिंग के साथ इनवर्स-डिस्टेंस ART को एकीकृत करके एडेप्टिव रेजोनेंस थ्योरी को उन्नत करता है।
यह शोध पत्र यह प्रदर्शित करता है कि एक पूर्ण ओरेकल (oracle) के बिना LLM कोड जनरेशन के लिए, निष्पादन-आधारित सर्वसम्मति (execution-based consensus) विधियाँ आउटपुट-पैटर्न वोटिंग की तुलना में काफी बेहतर प्रदर्शन करती हैं, जहाँ सफलता का प्राथमिक चालक प्रयुक्त विशिष्ट एकत्रीकरण नियम (aggregation rule) के बजाय उत्पन्न किए गए परीक्षण इनपुट (test inputs) की गुणवत्ता है।
यह शोध पत्र "इवेंट फील्ड्स" (Event Fields) को प्रस्तुत करता है, जो वेवफॉर्म फाउंडेशन मॉडल्स का एक नया वर्ग है जो पारंपरिक अनुक्रम-आधारित निरूपणों से हटकर समय श्रृंखला (time series) को अंतर्निहित, परस्पर क्रिया करने वाली घटनाओं के रूप में मॉडल करने वाले एक स्व-पर्यवेक्षित ढांचे (self-supervised framework) की ओर स्थानांतरित होकर शारीरिक संकेतों के विश्लेषण में सुधार करता है, जिससे विभिन्न स्वास्थ्य देखभाल बेंचमार्क में उत्कृष्ट प्रदर्शन, सुदृढ़ता और लेबल दक्षता प्राप्त होती है।
यह शोध पत्र स्ट्रक्चर-सेंट्रिक ग्राफ फाउंडेशन मॉडल्स (SCGFM) का प्रस्ताव करता है, जो एक नवीन दृष्टिकोण है जो सीखने योग्य ज्यामितीय आधारों (learnable geometric bases) और ग्रोमो-वासरस्टीन अलाइनमेंट (Gromov-Wasserstein alignment) का उपयोग करके ग्राफ टोपोलॉजी को हस्तांतरणीय ज्ञान के प्राथमिक स्रोत के रूप में मानता है ताकि संरचनात्मक विषमता और फीचर असंगति को दूर किया जा सके, जिससे विविध ग्राफ डोमेन में उत्कृष्ट सामान्यीकरण प्राप्त किया जा सके।
यह शोध पत्र AAAC को प्रस्तुत करता है, जो एक हल्का पोस्ट-ट्रेनिंग क्वांटाइजेशन तरीका है जो एक्टिवेशन-अवेयर एडेप्टिव कोडबुक्स का उपयोग करके स्टेट-ऑफ-द-आर्ट 4-बिट एलएलएम वेट कंप्रेशन प्राप्त करता है, जिससे नगण्य स्टोरेज ओवरहेड के साथ पुनर्निर्माण त्रुटि न्यूनतम होती है और मौजूदा ग्रेडिएंट-आधारित दृष्टिकोणों की तुलना में काफी तेज़ क्वांटाइजेशन समय मिलता है।
यह शोध पत्र स्ट्रक्चर्ड रिकरेंट मिक्सर (SRM) को प्रस्तुत करता है, जो एक नवीन आर्किटेक्चर है जो मौजूदा लीनियर-कॉम्प्लेक्सिटी मॉडल्स की तुलना में बेहतर प्रशिक्षण दक्षता, सूचना क्षमता और अनुमान थ्रूपुट प्राप्त करने के लिए समानांतर प्रशिक्षण और रिकरेंट अनुमान के बीच बीजगणितीय रूपांतरण को सक्षम बनाता है, जबकि मानक बेंचमार्क और सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) कार्यों दोनों में महत्वपूर्ण प्रदर्शन लाभ प्रदर्शित करता है।
यह शोध पत्र यह स्थापित करता है कि प्राइमेसी (primacy) और एंकरिंग (anchoring) जैसे संज्ञानात्मक पूर्वाग्रह, ऑटोरेग्रेसिव एआई मॉडल और मानव संज्ञान दोनों में क्रमिक प्रसंस्करण बाधाओं के गणितीय रूप से अपरिहार्य परिणाम हैं, जो सैद्धांतिक प्रमाणों और अनुभवजन्य सत्यापन के माध्यम से यह प्रदर्शित करता है कि ये पूर्वाग्रह केवल त्रुटियां होने के बजाय संसाधन-तर्कसंगत प्रतिक्रियाएं हैं।
यह शोध पत्र मानक हमलों की विफलता का विश्लेषण करके और एक नवीन PGD-GSM पद्धति का प्रस्ताव देकर, जो एक आवधिक ज्यामितीय क्षय (Periodic Geometric Decay) अनुसूची के साथ ऐसे हमलों को सफलतापूर्वक निष्पादित करती है, सीखे गए इमेज कम्प्रेशन (learned image compression) में उच्च-रिज़ॉल्यूशन वाले वैश्विक सिमेंटिक हेरफेर (high-resolution global semantic manipulation) की पूर्व में दुर्बोध चुनौती को संबोधित करता है।
यह शोध पत्र प्रदर्शित करता है कि सिंगल-थ्रेड JPEG डिकोडर माइक्रोबेंचमार्क्स विविध CPU आर्किटेक्चर में वास्तविक दुनिया के ML DataLoader प्रदर्शन का पूर्वानुमान लगाने में विफल रहते हैं, जो यह प्रकट करता है कि मल्टी-थ्रेडेड वर्कर कॉन्फ़िगरेशन और विशिष्ट डिकोडर व्यवहार अक्सर थ्रूपुट रैंकिंग को उलट देते हैं और टॉर्चविज़न (torchvision) तथा सिंपलजेपेजी (simplejpeg) को PyTorch वर्कलोड के लिए सबसे सुदृढ़ विकल्पों के रूप में उजागर करते हैं।