26002 पेपर
यह शोध पत्र नेटवर्क वाले माइक्रोकंट्रोलर्स के लिए एक सूक्ष्म-स्तरीय (fine-grained) स्प्लिट इन्फरेंस सिस्टम प्रस्तुत करता है जो कर्नेल और न्यूरॉन स्तर पर कई उपकरणों में सीएनएन (CNN) मॉडलों को विभाजित करके मेमोरी की सीमाओं को दूर करता है, जिससे व्यावहारिक विलंबता (latency) बनाए रखते हुए अन्यथा असंभव मॉडलों का निष्पादन सक्षम होता है।
Skill-R1 एक सुदृढीकरण शिक्षण (reinforcement learning) ढांचा है जो एक द्वि-स्तरीय उद्देश्य द्वारा प्रशिक्षित एक हल्के जनरेटर के माध्यम से पुन: प्रयोज्य प्राकृतिक भाषा कौशल को अनुकूलित करता है, जिससे अंतर्निहित फ्रोजन मॉडल को अपडेट किए बिना जटिल कार्यों पर एजेंटिक LLMs के लागत प्रभावी, मॉडल-अज्ञेय सुधार को सक्षम बनाया जा सके।
यह शोध पत्र यह प्रदर्शित करता है कि दो-खिलाड़ी शून्य-योग खेलों (two-player zero-sum games) में, जहाँ बैंडिट फीडबैक के साथ खिलाड़ी प्रतिद्वंद्वी की क्रियाओं को भी देखते हैं, एक कुशल एल्गोरिदम उच्च संभाव्यता के साथ निकट-इष्टतम लास्ट-इटरैट अभिसरण (last-iterate convergence) प्राप्त कर सकता है, जो उन पिछली सीमाओं को दूर करता है जिन्होंने केवल लॉस फीडबैक उपलब्ध होने पर अभिसरण को धीमी दरों तक सीमित कर दिया था।
यह शोध पत्र GibbsTTS प्रस्तुत करता है, जो एक ज़ीरो-शॉट टेक्स्ट-टू-स्पीच सिस्टम है जो मौजूदा बेसलाइन की तुलना में बेहतर स्वाभाविकता और वक्ता समानता प्राप्त करने के लिए एक ट्रेनिंग-मुक्त काइनेटिक-ऑप्टिमल शेड्यूलर को परिमित-चरण मोमेंट सुधार (finite-step moment correction) के साथ जोड़कर मेट्रिक-इंड्यूस्ड डिस्क्रीट फ्लो मैचिंग को उन्नत करता है।
यह शोध पत्र D2ACE का प्रस्ताव करता है, जो एक नवीन मल्टी-लेबल बैच चयन विधि है जो प्रशिक्षण विकास और स्थानीय लेबल निर्भरता को बेहतर ढंग से पकड़ने के लिए ड्यूल डायनेमिक्स (स्टेज-वाइज सैंपलिंग और डायनेमिक लेबल वेटिंग) को एडेप्टिव कोरिलेशन एन्हांसमेंट के साथ एकीकृत करके प्रशिक्षण दक्षता और भविष्य कहनेवाला प्रदर्शन में सुधार करता है।
यह शोध पत्र Gravity-GraphSAGE (GG-SAGE) को प्रस्तुत करता है, जो एक नवीन GraphSAGE-आधारित मॉडल है जिसमें एक गुरुत्वाकर्षण-प्रेरित (gravity-inspired) डिकोडर है जो कई बेंचमार्क और वास्तविक दुनिया के डेटासेट पर अत्याधुनिक तकनीकों से बेहतर प्रदर्शन करके, दिशात्मक, एट्रिब्यूटेड ग्राफ में लिंक प्रेडिक्शन की अल्प-अन्वेषित चुनौती को प्रभावी ढंग से संबोधित करता है।
यह शोध पत्र कंडीशनल डिस्ट्रीब्यूशन मैचिंग (CDM) को प्रस्तुत करता है, जो एक एकल बिंदु के बजाय एक विशिष्ट लक्षित कंडीशनल डिस्ट्रीब्यूशन को प्रेरित करने वाले इनपुट्स खोजने के लिए एक नया इनवर्स-डिज़ाइन समस्या वर्ग है, और MLGD-F का प्रस्ताव करता है, जो एक ट्रेनिंग-फ्री इन्फरेंस-टाइम एल्गोरिदम है जो इस समस्या को कुशलतापूर्वक हल करने के लिए एक प्रीट्रेनड डिफ्यूजन मॉडल को एक फास्ट कंडीशनल सैंपलर के साथ जोड़ता है।
यह शोधपत्र एक दो-चरणीय एल्गोरिदम का प्रस्ताव करके सामान्य सिंगल-इंडेक्स बैंडिट्स के लिए इष्टतम रिग्रेट (regret) की खुली समस्या को हल करता है जो का एक टाइट (tight) रिग्रेट बाउंड प्राप्त करता है, जो पिछले परिणाम में महत्वपूर्ण सुधार करता है और एक नव-स्थापित मिनिमैक्स लोअर बाउंड (minimax lower bound) से मेल खाता है।
यह शोध पत्र RAwR प्रस्तुत करता है, जो एक गणनात्मक रूप से कुशल ग्राफ रीवायरिंग फ्रेमवर्क है जो लंबी दूरी के सिग्नल प्रसार को त्वरित करने और प्रभावी प्रतिरोध (effective resistance) को कम करने के लिए अनुमानित समतुल्य विभाजनों (approximate equitable partitions) का लाभ उठाता है, जिससे विविध डेटासेट में नोड वर्गीकरण कार्यों में अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र यह सिद्ध करके कि ALiBi अटेंशन मैकेनिज्म को उच्च प्रायिकता के साथ रैंडमाइज्ड ब्लॉक-डायगोनल बाइनरी मास्क द्वारा अनुमानित किया जा सकता है, जिससे लंबे-कॉन्टेक्स्ट अटेंशन के लिए कुशल नियर-लीनियर टाइम कंप्यूटेशन सक्षम होता है, पोजीशनल बायस और लोकैलिटी-सेंसिटिव हैशिंग के बीच एक औपचारिक संबंध स्थापित करता है, और इस प्रकार पोशनल बायस, मास्क और एम्बेडिंग्स को एक एकल सैद्धांतिक ढांचे में एकीकृत करता है।