24939 पेपर
यह शोध पत्र विश्वास फलनों (belief functions) के साथ सांख्यिकीय अनुमान में सबसे महत्वपूर्ण योगदानों का सर्वेक्षण करता है, जो विशेष रूप से उन परिदृश्यों में डेटा से विश्वास मापों (belief measures) को सीखने की विधियों पर ध्यान केंद्रित करता है जहाँ अपर्याप्त जानकारी पारंपरिक संभाव्यता वितरण सीखने को अव्यवहारिक बना देती है।
यह शोध पत्र प्रदर्शित करता है कि मल्टी-डिस्ट्रीब्यूशन लर्निंग में अतिरिक्त जोखिम (excess risk) को कम करने के लिए लॉस लैंडस्केप फ्लैटनेस (loss landscape flatness) और ग्रेडिएंट अलाइनमेंट (gradient alignment) दोनों संरचनात्मक रूप से आवश्यक हैं, जिससे SAGE का प्रस्ताव मिलता है, जो स्पेक्ट्रल-अवेयर परटर्बेशन (spectral-aware perturbations) और आइसोट्रोपिक नॉइज़ इंजेक्शन (isotropic noise injection) के माध्यम से इन गुणों को एक साथ अनुकूलित करने के लिए एक नवीन विधि है ताकि डोमेन जनरलाइजेशन और मल्टी-टास्क लर्निंग में अत्याधुनिक प्रदर्शन प्राप्त किया जा सके।
यह शोध पत्र Tree SAE को प्रस्तुत करता है, जो एक नवीन स्पार्स ऑटोएनकोडर मॉडल है जो डेटा से सीधे सटीक, कार्यात्मक पदानुक्रमित फीचर संरचनाओं को सीखने के लिए एक पुनर्निर्माण स्थिति (reconstruction condition) को शामिल करके मौजूदा सक्रियण-आधारित पदानुक्रमित विधियों की सीमाओं को दूर करता है, जिससे यह अत्याधुनिक बेंचमार्क से बेहतर प्रदर्शन करता है और लार्ज लैंग्वेज मॉडल्स में जटिल अवधारणा पदानुक्रमों को प्रकट करता है।
यह शोध पत्र ट्रजेक्टरी-शेप्ड डिस्क्रीट फ्लो मैचिंग (TS-DFM) प्रस्तुत करता है, जो एक डिस्टिलेशन विधि है जो प्रशिक्षण के दौरान शिक्षक प्रक्षेपवक्रों (trajectories) में अंधे स्टोकेस्टिक जंप्स को ऊर्जा-निर्देशित नेविगेशन से बदल देती है, जिससे एक कुछ-चरण वाला छात्र मॉडल मल्टी-स्टेप शिक्षकों और बड़े बेसलाइनों की तुलना में काफी कम परप्लेक्सिटी और तेज़ इन्फरेंस प्राप्त करने में सक्षम होता है।
यह शोध पत्र INO-SGD को प्रस्तुत करता है, जो एक नवीन एल्गोरिदम है जिसे इंडिविजुअलाइज्ड डिफरेंशियल प्राइवेसी में महत्वपूर्ण उपयोगिता असंतुलन की समस्या को संबोधित करने के लिए रणनीतिक रूप से प्रत्येक बैच के भीतर डेटा को डाउन-वेट (down-weight) करने हेतु डिज़ाइन किया गया है, ताकि गोपनीयता गारंटी से समझौता किए बिना अत्यधिक निजी डेटा पर बेहतर मॉडल प्रदर्शन सुनिश्चित किया जा सके।
यह शोधपत्र CellRefine को प्रस्तुत करता है, जो एक नवीन पोस्ट-प्रीट्रेनिंग विधि है जो सेल एम्बेडिंग्स को परिष्कृत करने और मौजूदा सिंगल-सेल फाउंडेशन मॉडल्स की सामान्यीकरण सीमाओं को दूर करने के लिए मार्कर-जीन सेट्स को स्ट्रक्चरल प्रायर्स के रूप में उपयोग करती है, जिससे डाउनस्ट्रीम टास्क पर प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोधपत्र TAVIS प्रस्तुत करता है, जो विविध कार्य सूट्स, एम्बॉडीड प्लेटफॉर्म और 'गेज़-एक्शन लीड टाइम' जैसे नवीन मेट्रिक्स वाले एक व्यापक बेंचमार्क और मूल्यांकन इंफ्रास्ट्रक्चर के रूप में एक्टिव-विज़न इमिटेशन लर्निंग को दर्शाता है, ताकि रोबोटिक मैनिपुलेशन में पूर्वभासी दृष्टि (anticipatory gaze) के लाभों और सीमाओं को व्यवस्थित रूप से मापा जा सके।
यह शोध पत्र स्टोकेस्टिक ग्रेडिएंट डिसेंट के तहत अटेंशन लेयर्स और लो रैंक एडेप्टेशन (LoRA) के लिए पहले कठोर ट्रेनैबिलिटी गारंटी स्थापित करता है, जो यह सिद्ध करता है कि हल्का रेगुलराइजेशन एक पॉइन्केरे इनइक्वालिटी (Poincaré inequality) को प्रेरित करता है और डेटा या मॉडल आर्किटेक्चर के बारे में धारणाओं पर निर्भर किए बिना अभिसरण (convergence) सुनिश्चित करता है।
यह शोध पत्र डिफ्यूजन मॉडल्स के लिए एक एंट्रॉपी-आधारित अभिसरण सिद्धांत (convergence theory) स्थापित करता है, जो यह सिद्ध करता है कि उच्च-आयामी स्थानों में उनकी सैंपलिंग दक्षता अंतर्निहित डेटा वितरण की शैनन एंट्रॉपी (Shannon entropy) द्वारा नियंत्रित होती है न कि परिवेशी आयाम (ambient dimension) द्वारा।
यह शोध पत्र डिस्क्रीट वोक्सेल डिफ्यूजन (DVD) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो वोक्सेल ऑक्यूपेंसी को एक नेटिव डिस्क्रीट वेरिएबल के रूप में मानता है ताकि निरंतर-से-डिस्क्रीट थ्रेशोल्डिंग की आवश्यकता के बिना 3D पाइपलाइनों के लिए स्पार्स वोक्सेल स्कैफोल्ड्स के कुशल जनरेशन, अनिश्चितता अनुमान और सिंगल-राउंड एडिटिंग को सक्षम बनाया जा सके।