24533 पेपर
DeepLog एक PyTorch पर आधारित एक मॉड्यूलर न्यूरोसिम्बोलिक AI फ्रेमवर्क है जो उच्च-स्तरीय विशिष्टताओं (specifications) को स्वचालित रूप से अनुकूलित अंकगणितीय सर्किटों में संकलित करके विविध तर्क और डीप लर्निंग प्रतिमानों को एकीकृत करता है, जिससे चिकित्सकों के लिए बाधा कम होती है और नई एकीकरण रणनीतियों को विकसित करने के लिए एक साझा बैकएंड प्रदान किया जाता है।
यह शोध पत्र BROS को प्रस्तुत करता है, जो एक मेमोरी-कुशल सिंगल-लूप स्टोकेस्टिक बाइलेवल ऑप्टिमाइज़ेशन विधि है जो सटीक विधियों के समान अभिसरण दर (convergence rate) प्राप्त करने के लिए रैंडमाइज्ड सबस्पेस और एक रेडमेकर बायो-प्रोब करेक्शन का उपयोग करती है, जबकि पीक मेमोरी उपयोग को काफी कम कर देती है।
यह शोध पत्र आनुपातिक शासन (proportional regime) के अंतर्गत मनमाने डेटा संवर्धन (arbitrary data augmentation) के तहत रैंडम फीचर रिग्रेशन के लिए सामान्यीकरण त्रुटि (generalization error) का एक सटीक स्पर्शोन्मुख लक्षण वर्णन (tight asymptotic characterization) प्रदान करता है, जो मॉडल मिसस्पेसिफिकेशन और फ्रोजन या रैंडम हिडन लेयर्स के बावजूद, टेस्ट एरर को केवल जनसंख्या मात्राओं और संवर्धन योजना के सांख्यिकी के रूप में व्यक्त करता है।
यह शोध पत्र यूक्रेनी मल्टी-डोमेन डॉक्यूमेंट अंडरस्टैंडिंग कार्य के लिए एक उच्च-प्रदर्शन वाली रिट्रीवल-ऑगमेंटेड पाइपलाइन प्रस्तुत करता है जो जटिल ह्यूरिस्टिक्स के बजाय डॉक्यूमेंट स्ट्रक्चर प्रिजर्वेशन और आंसर-स्पेस अवेयरनेस को प्राथमिकता देकर, कॉन्टेक्स्टुअल चंकिंग, क्वेश्चन-अवेयर डेंस रिट्रीवल और आंसर ऑप्शंस पर आधारित रीरैंकिंग का लाभ उठाकर लीडरबोर्ड के शीर्ष स्कोर प्राप्त करता है।
यह शोधपत्र WISP को प्रस्तुत करता है, जो एक क्वेरी-आधारित सेट प्रेडिक्शन मॉडल है जो अगले दिन के सक्रिय अग्नि पूर्वानुमान को पॉइंट-सेट प्रेडिक्शन कार्य के रूप में पुनर्गठित करता है ताकि वैश्विक स्तर पर उच्च-रिज़ॉल्यूशन, रैंक किए गए फायर क्लस्टर केंद्रों को उत्पन्न किया जा सके, जिससे पारंपरिक ग्रिड-आधारित दृष्टिकोणों की तुलना में बेहतर स्थानीयकरण और कवरेज प्रदर्शन प्राप्त होता है।
यह शोध पत्र "फॉलो द मीन" (Follow the Mean) प्रस्तुत करता है, जो एक संदर्भ-निर्देशित फ्लो मैचिंग फ्रेमवर्क है जो उदाहरण-आधारित एंडपॉइंट मीन शिफ्ट्स के माध्यम से प्रीट्रेन्ड मॉडल्स को अनुकूलित करके नियंत्रणीय इमेज जनरेशन को सक्षम बनाता है, जो बिना फाइन-ट्यूनिंग या टेस्ट-टाइम सर्च के आउटपुट को निर्देशित करने के लिए प्रशिक्षण-मुक्त और अर्ध-पैरामीट्रिक विधियाँ प्रदान करता है।
यह शोध पत्र TAP को प्रस्तुत करता है, जो एक नवीन ढांचा है जो डिफ्यूजन इनपेंटिंग (diffusion inpainting) को लर्नर-कंडीशन्ड पॉलिसी (learner-conditioned policy) के साथ जोड़ता है ताकि उच्च-उपयोगिता वाले सिंथेटिक सारणीबद्ध डेटा (synthetic tabular data) को सक्रिय रूप से चुनने और इंजेक्ट करने का कार्य किया जा सके, जिससे वितरण संबंधी निष्ठा (distributional fidelity) और डाउनस्ट्रीम मॉडल प्रदर्शन के बीच के अंतर को पाटकर गंभीर डेटा की कमी के तहत वर्गीकरण और प्रतिगमन परिणामों में महत्वपूर्ण सुधार किया जा सके।
यह शोधपत्र \textsc{KrausKGE} प्रस्तुत करता है, जो क्रौस अपघटन (Kraus decomposition) और तीन संरचनात्मक अभिगृहीतों (रैखिकता, ट्रेस संरक्षण और पूर्ण धनात्मकता) पर आधारित एक सिद्धांतपूर्ण नॉलेज ग्राफ एम्बेडिंग मॉडल है, जो स्वाभाविक रूप से जटिल -से- संबंधों को संभालता है, स्पष्ट पाथ एनकोडर्स के बिना -हॉप रीजनिंग का समर्थन करता है, और नॉर्म बाधाओं की आवश्यकता को समाप्त करते हुए मौजूदा बेसलाइनों से बेहतर प्रदर्शन करता है।
PowerStep एक मेमोरी-कुशल एडेप्टिव ऑप्टिमाइज़र है जो सेकंड-मोमेंट सांख्यिकी (second-moment statistics) को संग्रहीत किए बिना -नॉर्म स्टीपेस्ट डिसेंट (steepest descent) के माध्यम से कोऑर्डिनेट-वाइज एडेप्टिविटी प्राप्त करता है, जो एडम (Adam) की अभिसरण गति (convergence speed) से मेल खाता है और बड़े पैमाने पर ट्रांसफॉर्मर प्रशिक्षण के लिए मेमोरी ओवरहेड को महत्वपूर्ण रूप से कम करता है।
यह शोधपत्र DeepL'evy को पेश करता है, जो एक न्यूरल फ्रेमवर्क है जो विशेषता फलन (characteristic function) के विसंगतियों को न्यूनतम करके L'evy स्थिर वितरणों की जटिलता को दूर करता है ताकि भारी-पूंछ वाली अनिश्चितता (heavy-tailed uncertainty) को प्रभावी ढंग से मॉडल किया जा सके और अत्यधिक अस्थिर समय श्रृंखला पूर्वानुमान में मौजूदा विधियों से बेहतर प्रदर्शन किया जा सके।