24528 पेपर
यह शोध पत्र एक तेज़ स्केचिंग फ्रेमवर्क पेश करता है जो नियमित स्पेक्ट्रल सन्निकटन (regularized spectral approximation) का लाभ उठाकर बड़े-रैंक वाले लो-रैंक मैट्रिक्स सन्निकटन के लिए पावर मेथड को त्वरित करता है ताकि SVD, गुणनखंड (factorization), और निस्ट्रॉम सन्निकटन (Nyström approximation) में प्रमाणित रूप से कुशल और संख्यात्मक रूप से सुदृढ़ प्रदर्शन प्राप्त किया जा सके।
WISTERIA इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड के लिए एक कमजोर रूप से पर्यवेक्षित (weakly supervised) प्रतिनिधित्व शिक्षण ढांचा है जो नैदानिक लेबल को स्टोकेस्टिक अवलोकनों के रूप में मॉडल करके और विषम पर्यवेक्षण संकेतों को स्पष्ट रूप से शोर-मुक्त करने के लिए मल्टी-व्यू निरंतरता लागू करके भविष्य कहनेवाला प्रदर्शन और क्रॉस-संस्थागत सामान्यीकरण में सुधार करता है।
EvoPref, ग्रेडिएंट-आधारित विधियों के प्रेफरेंस कोलैप्स (preference collapse) को दूर करने के लिए NSGA-II और LoRA एडेप्टर का उपयोग करते हुए एक मल्टी-ऑब्जेक्टिव इवोल्यूशनरी एल्गोरिदम पेश करता है, जो मानक बेंचमार्क पर प्रतिस्पर्धी गुणवत्ता बनाए रखते हुए काफी अधिक विविध LLM अलाइनमेंट प्राप्त करता है।
यह शोधपत्र QD-LLM को प्रस्तुत करता है, जो एक पैरामीटर-कुशल न्यूरोइवोल्यूशन फ्रेमवर्क है जो फ्रोजन लार्ज लैंग्वेज मॉडल्स को विविध, उच्च-गुणवत्ता वाले आउटपुट की ओर निर्देशित करने के लिए क्वालिटी-डाइवर्सिटी ऑप्टिमाइज़ेशन स्कीम के भीतर कॉम्पैक्ट प्रॉम्प्ट एम्बेडिंग्स को विकसित करता है, जो मॉडल फाइन-ट्यूनिंग की आवश्यकता के बिना कवरेज और डाउनस्ट्रीम उपयोगिता में मौजूदा विधियों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र LEAD को प्रस्तुत करता है, जो एक नवीन विधि है जो सुदृढीकरण शिक्षण (reinforcement learning) के दौरान शुद्धता और दक्षता को गतिशील रूप से संतुलित करने के लिए ऑनलाइन, स्व-अनुकूली तंत्रों का उपयोग करती है, जिससे बड़े रीजनिंग मॉडल को विविध गणितीय बेंचमार्क में सटीकता से समझौता किए बिना काफी छोटे चेन-ऑफ-थॉट (Chain-of-Thought) आउटपुट उत्पन्न करने में सक्षम बनाया जा सके।
यह शोध पत्र क्रोनिक रोग प्रबंधन के लिए एक नवीन टू-लूप सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) ढांचे का प्रस्ताव करता है जो नियंत्रण-तक-समय (टाइम-टू-कंट्रोल) को संकुचित करने के उद्देश्य को औपचारिक रूप देता है और नैदानिक क्षमता एवं निष्पादन तीव्रता की बाधाओं को एकीकृत करता है, जो उच्च रक्तचाप और टाइप 2 मधुमेह के सिमुलेशन में मानक दृष्टिकोणों की तुलना में बेहतर प्रदर्शन और सामान्यीकरण प्रदर्शित करता है।
यह शोध पत्र यह पहचान करता है कि वेट ग्रेडिएंट्स (Wgrad) का क्वांटाइजेशन बड़े भाषा मॉडलों के फुल-पाइपलाइन FP4 प्रशिक्षण में अस्थिरता का प्राथमिक कारण है और यह प्रदर्शित करता है कि अभिसरण स्थिरता (convergence stability) को बहाल करने के लिए स्टोकेस्टिक राउंडिंग के बजाय डिटरमिनिस्टिक हेडामार्ड रोटेशन आवश्यक हैं।
यह शोध पत्र CryoSampler को प्रस्तुत करता है, जो एक नवीन विधि है जो सटीक परमाणु संरचनात्मक एंसेम्बल (conformational ensembles) उत्पन्न करने के लिए टेस्ट-टाइम सुपरविजन के माध्यम से कच्चे क्रायो-ईएम (cryo-EM) डेंसिटी मैप्स पर सीधे Boltz-2 जैसे प्री-ट्रेंड स्टैटिक स्ट्रक्चर प्रेडिक्शन मॉडल्स को फाइन-ट्यून करता है, जिससे पारंपरिक दो-चरणीय मॉडल बिल्डिंग को दरकिनार किया जा सके और इन-डोमेन सामान्यीकरण (in-domain generalization) की क्षमता प्रदर्शित की जा सके।
यह शोध पत्र रेट और वर्गीकरण बाधाओं के तहत स्रोत-पुनर्निर्माण युग्मन शक्ति को अधिकतम करने वाले सीमित न्यूनतम एंट्रॉपी युग्मन पर आधारित एक क्रॉस-डोमेन लॉस्य संपीड़न ढांचे का प्रस्ताव करता है, जो सैद्धांतिक विश्लेषण और तंत्रिका प्रयोगों दोनों के माध्यम से यह प्रदर्शित करता है कि उच्च दर वर्गीकरण सटीकता और पुनर्निर्माण गुणवत्ता में सुधार करती है।
यह शोध पत्र सिंथेटिक डेटा उत्पन्न करने के लिए उपयोग किए जाने वाले AI-प्रेरित नियम को सुधारकर विश्वसनीय AI-सूचित प्रायों (priors) के निर्माण के लिए एक रूपरेखा प्रस्तावित करता है, जिससे मॉडल त्रुटि प्रसार को कम किया जा सके, पूर्वाग्रह को घटाया जा सके और डेटा-सीमित सेटिंग्स में अनुमान प्रदर्शन में सुधार किया जा सके।