20286 पेपर
LLM-PDESR एक नवीन ढांचा है जो शोर वाले डेटा से गवर्निंग पार्शियल डिफरेंशियल इक्वेशंस को सटीक रूप से खोजने के लिए लार्ज लैंग्वेज मॉडल-निर्देशित प्रतीकात्मक परिकल्पना पीढ़ी को सुदृढ़ सबडोमेन वेटेड रेसिडुअल्स और C⁴-कंटीन्यूअस स्प्लाइन डिफरेंशिएशन के साथ जोड़ता है, जो संरचनात्मक रिकवरी और शोर प्रतिरोध में मौजूदा विधियों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र एक नवीन लघु पाठ क्लस्टरिंग फ्रेमवर्क प्रस्तावित करता है जो स्थानीय अर्थ संबंधी निरंतरता को पकड़ने के लिए एक इंस्टेंस-स्तरीय अटेंशन मैकेनिज्म को एकीकृत करके ऑप्टिमल ट्रांसपोर्ट को बढ़ाता है, जिससे विश्वसनीय छद्म-लेबल (pseudo-labels) उत्पन्न होते हैं जो वैश्विक क्लस्टर संरचनाओं के साथ पड़ोस संबंधी संबंधों को सामंजस्यपूर्ण बनाते हैं ताकि अत्याधुनिक तरीकों से बेहतर प्रदर्शन किया जा सके।
यह अध्ययन प्रदर्शित करता है कि इंट्रिन्सिक फ्लोरोस्कोपी कैलिब्रेशन में मामूली गड़बड़ी भी वर्टिब्रा प्रोजेक्शन ज्योमेट्री को महत्वपूर्ण रूप से बदल देती है और 2D-3D रजिस्ट्रेशन सटीकता को कम कर देती है, विशेष रूप से लेटरल व्यूज़ में, जो पारंपरिक पुनर्निर्माण-आधारित मूल्यांकनों के साथ-साथ प्रोजेक्शन-डोमेन कंसिस्टेंसी मेट्रिक्स की आवश्यकता को रेखांकित करता है।
यह शोध पत्र प्रदर्शित करता है कि कोडिंग एजेंटों को केवल एक `execute_code` टूल तक सीमित रखना अक्सर टूल-समृद्ध वातावरण का उपयोग करने जितना ही प्रभावी और अक्सर उससे सस्ता होता है, जो यह प्रकट करता है कि इष्टतम टूल सतह (tool surface) अकेले किसी भी कारक के बजाय कार्य व्यवस्था (task regimes) और विशिष्ट एजेंट डिज़ाइनों के बीच परस्पर क्रिया द्वारा संयुक्त रूप से निर्धारित होती है।
यह शोधपत्र स्थानीय संचलन बाधाओं वाले गतिशील ग्राफों पर स्टोकेस्टिक मल्टी-आर्म्ड बैंडिट्स को संबोधित करने के लिए टोपोलॉजिकल स्थिरता सुनिश्चित करने हेतु एक स्लाइडिंग-विंडो मिक्सिंग स्थिति पेश करता है और एक्सप्लोर-देन-कमिट एल्गोरिदम का प्रस्ताव करता है जो उप-रैखिक अपेक्षित रिग्रेट (sublinear expected regret) प्राप्त करते हैं।
MemDecay एक प्रशिक्षण-मुक्त (training-free), क्षेत्र-जागरूक (region-aware) KV कैश इविक्शन पॉलिसी है जो LLM एजेंट संदर्भों की सिमेंटिक संरचना का लाभ उठाकर विभिन्न टोकन क्षेत्रों को विशिष्ट प्रतिधारण प्राथमिकताएं (retention priorities) और क्षय दरें (decay rates) आवंटित करती है, जो महत्वपूर्ण जानकारी को संरक्षित करने और मेमोरी बाधाओं के तहत इन्फरेंस सटीकता बनाए रखने में मौजूदा रिसेंसी- या अटेंशन-आधारित बेसलाइनों की तुलना में काफी बेहतर प्रदर्शन करती है।
यह शोधपत्र मैनिफोल्ड्स (manifolds) पर बंडल-मान वाले सांख्यिकी के ट्रांसपोर्टेड एम्पीरिकल मीन्स (transported empirical means) के लिए गैर-एसिम्प्टोटिक (non-asymptotic), आयाम-मुक्त एकाग्रता सीमाएं (dimension-free concentration bounds) स्थापित करता है, जो एक मौलिक बायस-वैरिएंस ट्रेड-ऑफ को प्रकट करता है जहाँ वक्रता-प्रेरित होलोनोमी (curvature-induced holonomy), मानक स्टोकेस्टिक उतार-चढ़ाव के साथ मिलकर एक अपरिहार्य त्रुटि तल (irreducible error floor) उत्पन्न करती है।
यह शोध पत्र ट्रांसफॉर्मर्स में एडेप्टिव नॉर्मलाइजेशन की अनुकूलन चुनौतियों की जांच करता है, जो यह प्रकट करता है कि गमबेल-सॉफ्टमैक्स गेटिंग (Gumbel-Softmax gating) स्टेशनरी कार्यों पर उच्च ग्रेडिएंट वेरिएंस से ग्रस्त है, और ऑटोनॉर्म-एस (AutoNorm-S) का प्रस्ताव करता है, जो गेट-फ्रीजिंग का उपयोग करने वाली एक स्थिर प्रशिक्षण रणनीति है जो एनएलपी (NLP) और विजन बेंचमार्क दोनों में प्रतिस्पर्धी या बेहतर प्रदर्शन प्राप्त करती है।
यह शोध पत्र ड्रोन-आधारित निगरानी के लिए एक एंड-टू-एंड रियल-टाइम व्यक्ति पहचान फ्रेमवर्क प्रस्तुत करता है जो ऊंचाई में बदलाव के कारण होने वाले स्केल परिवर्तनों को प्रभावी ढंग से संभालने के लिए VisDrone2019 डेटासेट पर प्रशिक्षित YOLOv8-nano मॉडल का लाभ उठाता है, जिससे 16 और 25 मीटर के बीच की ऊंचाइयों पर 41 FPS से अधिक की विश्वसनीय पहचान प्राप्त होती है।
यह शोध पत्र M+Adam का प्रस्ताव करता है, जो एक नवीन ऑप्टिमाइज़र है जो लो-प्रिसिजन ट्रेनिंग की पूरक विफलता मोड (complementary failure modes) को दूर करने के लिए योगात्मक (additive) और गुणात्मक (multiplicative) अपडेट को संयोजित करता है, जिससे केवल BF16, FP8, और FP4 मास्टर वेट्स का उपयोग करके LLaMA-शैली के मॉडलों का स्थिर और सटीक प्रशिक्षण सक्षम होता है।