24717 पेपर
यह शोध पत्र AHGCDD का प्रस्ताव करता है, जो एक एंकर-गाइडेड हाइपरग्राफ कंडेंसेशन फ्रेमवर्क है जो हीट कर्नेल पेजरैंक इनिशियलाइज़ेशन और एक द्वैत-स्तरीय भेदभावपूर्ण उद्देश्य के माध्यम से संक्षेपित विशेषताओं (condensed features) और संरचना को संयुक्त रूप से अनुकूलित करके डिकपल्ड ट्रेनिंग और उच्च कम्प्यूटेशनल ओवरहेड की सीमाओं को दूर करता है, जिससे कुशल और प्रभावी बड़े पैमाने पर हाइपरग्राफ डिस्टिलेशन प्राप्त होता है।
यह शोध पत्र "मैकेनिस्टिक सूचना" (mechanistic information) के माध्यम से क्रमिक निर्णय लेने (sequential decision-making) में मैकेनिस्टिक प्रायोर (mechanistic priors) के मूल्य को मापने वाला एक सैद्धांतिक ढांचा प्रस्तुत करता है, जो यह प्रदर्शित करता है कि हाइब्रिड मॉडल एसिम्प्टोटिक (asymptotic) और बर्न-इन (burn-in) दोनों व्यवस्थाओं में सैंपल जटिलता (sample complexity) को महत्वपूर्ण रूप से कम करते हैं, साथ ही अनग्राउंडेड (ungrounded) LLM प्रायर्स पर निर्भर रहने के सुरक्षा जोखिमों को भी उजागर करते हैं।
यह शोध पत्र जनरेटिव मॉडल्स में एक महत्वपूर्ण "नवाचार विंडो" (innovation window) की पहचान करता है जो अमूर्त नियमों को सीखने () और प्रशिक्षण डेटा को याद करने () के बीच के लौकिक अंतराल द्वारा परिभाषित है, और यह प्रदर्शित करता है कि इस विंडो का अस्तित्व और अवधि डिफ्यूजन और ऑटोरेग्रेसिव दोनों आर्किटेक्चर में डेटासेट के आकार, नियम की जटिलता और मॉडल की क्षमता पर निर्भर करती है।
TrajDLM एक टोपोलॉजी-जागरूक ब्लॉक डिफ्यूजन लैंग्वेज मॉडल है जो उन्हें डिस्क्रीट रोड सेगमेंट अनुक्रमों के रूप में मॉडल करके उच्च-निष्ठा वाले, सड़क-नेटवर्क-अनुपालन GPS प्रक्षेपवक्र (ट्रैजेक्टरीज) उत्पन्न करता है, जो प्रभावी रूप से जनरेशन गति और टोपोलॉजिकल निष्ठा के बीच संतुलन बनाता है और दक्षता एवं ज़ीरो-शॉट ट्रांसफर क्षमताओं में मौजूदा विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र लॉन्ग-टेल्ड क्लासिफिकेशन के लिए एक नवीन इनवर्स-व्यू लॉस रीवेटिंग रणनीति प्रस्तावित करता है जो न्यूरल कोलैप्स से प्रेरित होकर एक आदर्श समान प्रति-वर्ग लॉस उद्देश्य प्राप्त करने के लिए गतिशील रूप से क्लास वेट्स को इन्फर करता है, जिससे लॉस असंतुलन कम होता है और मौजूदा बेसलाइन की तुलना में बेहतर प्रदर्शन होता है।
मेटिस (Metis) एक नवीन ढांचा है जो एलएलएम (LLM) जेलब्रेकिंग को एक प्रतिकूल POMDP के भीतर एक स्व-विकसित मेटाकॉग्निटिव पॉलिसी ऑप्टिमाइज़ेशन प्रक्रिया के रूप में पुनर्गठित करता है, जो उन्नत सुरक्षा रक्षा प्रणालियों को बायपास करने के लिए स्थिर ह्यूरिस्टिक्स के स्थान पर निर्देशित, कारण संबंधी तर्क (causal reasoning) का उपयोग करके अत्याधुनिक हमला सफलता दर और काफी कम टोकन लागत प्राप्त करता है।
यह शोधपत्र PoDAR को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो रैंडमाइज्ड पावर ऑग्मेंटेशन और लेटेंट कंसिस्टेंसी के माध्यम से सिग्नल पावर को सिमेंटिक कंटेंट से अलग करता है, जिससे जनरेटिव मॉडल के अभिसरण (कन्वर्जेंस) में काफी तेजी आती है और ऑडियो की गुणवत्ता एवं स्पीकर समानता में सुधार होता है।
GLiNER-Relex एक एकीकृत, ओपन-सोर्स फ्रेमवर्क है जो GLiNER आर्किटेक्चर का विस्तार करता है ताकि एक ही मॉडल में संयुक्त नामित इकाई पहचान (named entity recognition) और संबंध निष्कर्षण (relation extraction) किया जा सके, जिससे कई बेंचमार्क पर प्रतिस्पर्धी प्रदर्शन के साथ किसी भी इकाई और संबंध प्रकार के कुशल ज़ीरो-शॉट अनुमान (zero-shot inference) को सक्षम बनाया जा सके।
यह शोध पत्र SymADiT को प्रस्तुत करता है, जो ऑल-एटम डिफ्यूजन ट्रांसफॉर्मर का एक सममिति-जागरूक (symmetry-aware) संस्करण है, जो लेटेंट स्पेस में विकऑफ स्थितियों (Wyckoff positions) का लाभ उठाकर स्थिर, यथार्थवादी क्रिस्टलीय सामग्रियाँ उत्पन्न करता है जो उनकी स्पेस ग्रुप सममितियों का कड़ाई से पालन करती हैं।
यह शोध पत्र प्रस्तावित करता है कि बैलेंस्ड एडम (balanced Adam) में मोमेंटम पैरामीटर को एक निश्चित स्थिरांक के बजाय एक मेमोरी-स्केल वेरिएबल के रूप में माना जाना चाहिए, जिसमें एक रिफ्रेश नियम () पेश किया गया है जो ऑप्टिमाइज़र के सांख्यिकीय मेमोरी क्षितिज (statistical memory horizon) को प्रभावी शिक्षण क्षितिज (effective learning horizon) के साथ संरेखित करके 11 विजन और लैंग्वेज प्रयोगों में प्रशिक्षण की मजबूती में महत्वपूर्ण सुधार करता है।