26002 पेपर
TileQ एक फाइन-ट्यूनिंग-मुक्त पोस्ट-ट्रेनिंग क्वांटाइजेशन विधि है जो इनपुट और आउटपुट आयामों के बीच साझा किए गए 2D-टाइलिंग स्ट्रक्चर्ड लो-रैंक कारकों का उपयोग करती है, जिसे फ्यूज्ड सिंगल-पास इन्फरेंस तकनीक के साथ संयोजित किया गया है, ताकि सटीकता बनाए रखते हुए Mixture-of-Experts मॉडलों में मेमोरी उपयोग और लेटेंसी को महत्वपूर्ण रूप से कम किया जा सके।
यह शोध पत्र SuperMeshNet को प्रस्तुत करता है, जो एक अर्ध-पर्यवेक्षित (semi-supervised) न्यूरल फ्रेमवर्क है जो कम-रिज़ॉल्यूशन वाले डेटा से उच्च-सटीक मेश-आधारित सिमुलेशन समाधानों को कुशलतापूर्वक पुनर्निर्मित करने के लिए पूरक शिक्षण (complementary learning) और प्रेरणिक पूर्वाग्रहों (inductive biases) का उपयोग करता है, जबकि इसके लिए पूर्णतः पर्यवेक्षित बेंचमार्क की तुलना में 90% कम उच्च-रिज़ॉल्यूशन वाले प्रशिक्षण डेटा की आवश्यकता होती है।
यह शोध पत्र MC को प्रस्तुत करता है, जो एक हाइब्रिड सॉल्वर है जो पारंपरिक मोंटे कार्लो दृष्टिकोणों की तुलना में 1000 गुना तेज़ी से उच्च-सटीकता वाले एलिप्टिक PDE समाधान प्राप्त करने के लिए लो-बजट मोंटे कार्लो विधियों को न्यूरल नेटवर्क सुधार के साथ जोड़ता है, साथ ही सीमित-कंप्यूट PDE सॉल्विंग के मूल्यांकन के लिए एक व्यापक बेंचमार्क PDEZoo की रिलीज़ भी करता है।
यह शोध पत्र एक नवीन न्यूरल आर्किटेक्चर सर्च फ्रेमवर्क प्रस्तावित करता है जो पारंपरिक सुपरवइज्ड रिग्रेशन के स्थान पर आंशिक अवलोकनों से आर्किटेक्चर प्रदर्शन का अनुमान लगाने के लिए एक मेटा-लर्न्ड कन्वोल्यूशनल न्यूरल प्रोसेस का उपयोग करता है, जिससे डेटा की कमी के तहत बेहतर सामान्यीकरण और अत्याधुनिक चयन गुणवत्ता प्राप्त होती है।
यह शोधपत्र dFlowGRPO को प्रस्तुत करता है, जो एक एकीकृत सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो डिनोइजिंग (denoising) को एक मार्कोव निर्णय प्रक्रिया (Markov decision process) के रूप में तैयार करके GRPO-शैली के अनुकूलन को सामान्य असतत प्रवाह मॉडलों (discrete flow models) तक विस्तारित करता है, और मौजूदा विधियों की तुलना में टेक्स्ट-टू-इमेज जनरेशन और मल्टीमॉडल समझ में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र रिप्रेजेंटेशनल इफेक्टिव थ्योरी (RET) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो टेम्पोरल रूप से सुसंगत रीजनिंग ट्रेजेक्टरीज को प्रकट करने, सिमेंटिक स्ट्रक्चर को कैप्चर करने और मॉडल व्यवहार में प्रेडिक्शन एवं इंटरवेंशन को सक्षम करने के लिए LLM हिडन स्टेट्स को हाई-लेवल मैक्रोस्टेट्स में कोज-ग्रेन करता है।
यह शोध पत्र माइक्रो-डिफेक्ट्स एक्सपोज़ मैक्रो-फेक्स (MDMF) का प्रस्ताव करता है, जो एक नवीन डिटेक्शन फ्रेमवर्क है जो सिमेंटिक पैच एम्बेडिंग्स को एक फोरेंसिक लेटेंट स्पेस में प्रोजेक्ट करके और मैक्सिमम मीन डिस्क्रीपेंसी का उपयोग करके स्थानीय सांख्यिकीय अनियमितताओं को मैक्रो-स्तरीय वितरण बदलावों में प्रवर्धित करके AI-जनित छवियों की पहचान को बढ़ाता है, जिससे यह मौजूदा ग्लोबल-फीचर-आधारित डिटेक्टरों से बेहतर प्रदर्शन करता है।
यह शोध पत्र Neural CFRS को प्रस्तुत करता है, जो एक नवीन नॉन-ऑटोरेग्रेसिव फ्रेमवर्क है जो क्लस्टरिंग और रूटिंग के लिए डिफरेंशिएबल ऑप्टिमल ट्रांसपोर्ट का लाभ उठाकर कैपैसिटेटेड व्हीकल रूटिंग प्रॉब्लम को सिंगल शॉट में हल करता है, जिससे मौजूदा ऑटोरेग्रेसिव न्यूरल विधियों की तुलना में बेहतर आउट-ऑफ-डिस्ट्रीब्यूशन जनरलाइजेशन और पैरामीटर दक्षता प्राप्त होती है।
यह शोध पत्र LPS को प्रस्तुत करता है, जो एक स्केलेबल और सामान्य डिस्क्रीट पोस्टीरियर सैंपलर है जो डिस्क्रीट स्टेट स्पेस के भीतर कुशल समानांतर अपडेट करने के लिए ग्रेडिएंट जानकारी का लाभ उठाता है, और निरंतर रिलैक्सेशन (continuous relaxations) पर निर्भर रहे बिना विभिन्न इन्वर्स समस्याओं पर प्रतिस्पर्धी प्रदर्शन प्राप्त करता है।
यह शोधपत्र डिफ्यूजन लैंग्वेज मॉडल्स (Diffusion Language Models) में पथ-निर्भरता (path-dependence) का निदान और परिमाणीकरण करने के लिए ऑर्डर-प्रेरित छद्म-जोड़ों (order-induced pseudo-joints) और स्थानीय शोर-निवारण परिसंचरण (local denoising circulation) पर आधारित एक सैद्धांतिक ढांचे को प्रस्तुत करता है, जो यह प्रकट करता है कि ऑटोरेग्रेसिव-समान प्रक्षेपवक्रों (autoregressive-like trajectories) में उनके ढहने की प्रवृत्ति अनुमान त्रुटियों के बजाय स्थानीय शोर-निवारण सप्रतिबंधों (local denoising conditionals) की असंगति से उत्पन्न होती है।