26003 पेपर
यह शोधपत्र फ्रंटियर सर्च के माध्यम से खोजे गए और रिकर्सिव डायमेंशन बाउंड्स द्वारा प्रमाणित किए गए एक प्रति-उदाहरण को प्रस्तुत करके, जिसमें पूर्व अवलोकनों के विपरीत बड़े डिफेक्ट्स वाले सब-आर्किटेक्चर शामिल हैं, पॉलीनोमियल न्यूरल नेटवर्क के लिए मिनिमल यूनिमोडल कंजेक्चर का खंडन करता है।
यह शोध पत्र SmartEval को प्रस्तुत करता है, जो 9,000 LLM-जनित सॉलिडिटी (Solidity) अनुबंधों के एक संग्रह, एक पांच-आयामी मूल्यांकन मानदंड और एक प्रमाणित पाइपलाइन से युक्त एक व्यापक बेंचमार्क है, जो विशिष्ट विफलता मोड को प्रकट करता है और यह प्रदर्शित करता है कि LLM-जनित अनुबंध कार्यात्मक अनुपालन में ग्राउंड-ट्रुथ कार्यान्वयन से बेहतर प्रदर्शन कर सकते हैं।
यह शोध पत्र एक विषम एज-क्लाउड निरंतरता (edge-cloud continuum) में अनुकूली DNN विभाजन और ऑफलोडिंग के लिए एक ढांचे का प्रस्ताव और सत्यापन करता है जो रनटाइम स्थितियों के अनुसार गतिशील रूप से समायोजित होता है, जो एक भौतिक टेस्टबेड पर स्थिर बेसलाइन की तुलना में ऊर्जा खपत और विलंबता में महत्वपूर्ण कमी प्रदर्शित करता है।
यह शोधपत्र स्क्रैचपैड पैचिंग (SP) प्रस्तुत करता है, जो बाइट-लेवल लैंग्वेज मॉडल्स में पैच साइज़ से कंप्यूट को अलग करने वाली एक तकनीक है, जो पैच लैग को कम करने के लिए गतिशील रूप से क्षणिक (transient) स्क्रैचपैड्स को सम्मिलित करती है, जिससे मॉडलिंग गुणवत्ता से समझौता किए बिना कम KV-कैशे और कंप्यूट लागत के लिए बड़े पैच सक्षम होते हैं।
यह शोध पत्र रिटेंशन-अवेयर पॉलिसी ऑप्टिमाइज़ेशन (RaPO) को प्रस्तुत करता है, जो एक नवीन रीइन्फोर्समेंट फाइन-ट्यूनिंग विधि है जो रिटेंशन रिवॉर्ड शेपिंग और क्रॉस-टास्क एडवांटेज नॉर्मलाइज़ेशन के माध्यम से ट्राजेक्टरी-लेवल ड्रिफ्ट एग्नोस्टिसिज्म को संबोधित करके विजुअल कॉन्टिनुअल लर्निंग में कैटास्ट्रोफिक फॉरगेटिंग को कम करती है, जिससे मौजूदा दृष्टिकोणों की तुलना में बेहतर प्रदर्शन प्राप्त होता है।
यह शोधपत्र एक वैश्विक रिटेंशन-आधारित (retention-based) KV कैश इविक्शन विधि प्रस्तुत करता है जो मेमोरी उपयोग को कम करने के लिए अप्रासंगिक टोकन को चुनिंदा रूप से हटाने के लिए सीखता है और अटेंशन डाइल्यूशन (attention dilution) को कम करके लॉन्ग-कॉन्टेक्स्ट रीजनिंग प्रदर्शन में सुधार करता है, जिससे यह विविध बेंचमार्क पर फुल-कैश इन्फरेंस से भी बेहतर प्रदर्शन करता है।
यह शोध पत्र "वर्कस्पेस ऑप्टिमाइज़ेशन" (workspace optimization) को पेश करता है, जो एजेंट के वेट्स (weights) के बजाय उसके स्ट्रक्चर्ड एक्सटर्नल सबस्ट्रेट (structured external substrate) को विकसित करने वाला एक ट्रेनिंग प्रतिमान (training paradigm) है, और ड्रीमटीम (DreamTeam) के माध्यम से इसकी प्रभावशीलता को प्रदर्शित करता है, जो एक मल्टी-एजेंट सिस्टम है जिसने कम एक्शन का उपयोग करते हुए ARC-AGI-3 बेंचमार्क पर 38.4% का नया स्टेट-ऑफ-द-आर्ट स्कोर हासिल किया है।
यह शोध पत्र डिफ्यूजन मॉडल्स के लिए मेट्रोपोलिस-एडजस्टेड लैंग्विन करेक्टर्स पेश करता है जो स्कोर-आधारित स्वीकृति प्रायिकताओं और सैंपलिंग बायस को समाप्त करने के लिए एक नवीन बर्नौली फैक्ट्री एल्गोरिदम का उपयोग करते हैं, जिससे नमूना गुणवत्ता में उल्लेखनीय सुधार होता है और फ्रेशेट इनसेप्शन डिस्टेंस स्कोर कम होता है।
FreeMOCA दुर्भावनापूर्ण कोड विश्लेषण के लिए एक मेमोरी- और कंप्यूट-कुशल निरंतर शिक्षण (continual learning) ढांचा है जो क्रमिक कार्य इष्टतमों (consecutive task optima) के बीच अनुकूली परत-वार इंटरपोलेशन (adaptive layer-wise interpolation) का लाभ उठाकर विनाशकारी विस्मृति (catastrophic forgetting) को कम करता है, जिससे बिना किसी रिप्ले बफर की आवश्यकता के बड़े पैमाने के विंडोज और एंड्रॉइड मैलवेयर बेंचमार्क पर बेहतर सटीकता और प्रतिधारण (retention) प्राप्त होता है।
यह शोध पत्र एक हाइब्रिड क्वांटम-क्लासिकल फ्रेमवर्क प्रस्तुत करता है जो PennyLane का उपयोग करके कम्पार्टमेंटल पॉपुलेशन फार्माकोकाइनेटिक्स को एक ओपन क्वांटम सिस्टम के रूप में पुनर्गठित करता है, यह प्रदर्शित करते हुए कि एक क्वांटम-एन्हांस्ड SAEM एल्गोरिदम शास्त्रीय विधियों की तुलना में फेज 1 क्लिनिकल डेटा पर तेज़ अभिसरण (convergence) और बेहतर सांख्यिकीय फिट प्राप्त करता है।