26003 पेपर
यह शोध पत्र AutoSINDy को प्रस्तुत करता है, जो एक हाइब्रिड फ्रेमवर्क है जो PySR-आधारित सिम्बोलिक रिग्रेशन को SINDy के स्पार्स आइडेंटिफिकेशन के साथ जोड़ता है ताकि आधार कार्यों (basis functions) को स्वचालित रूप से उत्पन्न और क्यूरेट किया जा सके, जिससे उच्च शोर (high noise) के बावजूद गैर-रेखीय प्रणालियों के लिए सटीक और मितव्ययी (parsimonious) शासी समीकरणों की सुदृढ़ खोज सक्षम हो सके।
यह शोध पत्र एक डेटा-संचालित ढांचे को प्रस्तुत करता है जो तेज़ प्रक्रियाओं (fast processes) के अज्ञात अपरिवर्तनीय वितरण (invariant distribution) को पैरामीटराइज़ करने और अनिश्चितता परिमाणीकरण (uncertainty quantification) के लिए बेयसियन वेरिएशनल इन्फरेंस (Bayesian variational inference) का उपयोग करके एकल प्रक्षेपवक्रों (single trajectories) से प्रभावी बहु-स्तरीय स्टोकेस्टिक गतिकी (multiscale stochastic dynamics) सीखने के लिए नॉर्मलाइजिंग फ्लो (normalizing flows) का लाभ उठाता है।
यह शोध पत्र प्रस्तावित करता है कि नॉन-लीनियर ट्रांसफॉर्मर्स, एक साझा रिप्रोड्यूसिंग कर्नेल हिल्बर्ट स्पेस के भीतर विविध वैल्यू फंक्शन्स को दर्शाने वाले कर्नेल-आधारित टेम्पोरल डिफरेंस लर्नर्स के रूप में कार्य करके, इन-कॉन्टेक्स्ट रीइन्फोर्समेंट लर्निंग में क्रॉस-डोमेन जनरलाइजेशन प्राप्त कर सकते हैं।
यह शोध पत्र CALYREX को प्रस्तुत करता है, जो एक ट्रांसफॉर्मर आर्किटेक्चर है जो सिस्टम प्रॉम्प्ट्स को संरचनात्मक रूप से एंकर करने और उन्हें उपयोगकर्ता इनपुट से अलग करने के लिए क्रॉस-अटेंशन का उपयोग करता है, जिससे विभिन्न मॉडल स्केल्स में निर्देश पालन में उल्लेखनीय सुधार होता है और जेलब्रेक कमजोरियों में कमी आती है।
यह शोध पत्र TIDES का प्रस्ताव करता है, जो एक चयनात्मक स्टेट स्पेस मॉडल वेरिएंट है जो नेटिव इरेगुलर टाइम सीरीज़ हैंडलिंग के लिए समय विविक्तीकरण (टाइम डिस्क्रीटाइजेशन) के भौतिक अर्थ को सुरक्षित रखते हुए, इनपुट-डिपेंडेंस को स्टेप साइज से स्टेट मैट्रिक्स की ओर स्थानांतरित करके उच्च प्रति-टोकन एक्सप्रेसिविटी बनाए रखता है, जिससे टाइम-सीरीज़ बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह शोध पत्र एक सीक्वेंशियल फॉरवर्ड फ्लोटिंग सिलेक्शन (SFFS) फ्रेमवर्क प्रस्तुत करता है जो भूस्खलन विभाजन (landslide segmentation) के लिए मल्टी-स्पेक्ट्रल और टोपोग्राफिक डेटा से एक संक्षिप्त, उच्च-प्रदर्शन वाले 8-चैनल उपसमूह की पहचान करता है, यह प्रदर्शित करते हुए कि व्यवस्थित फीचर चयन पारंपरिक दृष्टिकोणों की तुलना में कम्प्यूटेशनल ओवरहेड को कम करके और भौतिक व्याख्यात्मकता को बढ़ाकर बेहतर प्रदर्शन करता है।
यह शोध पत्र एक तेज़ स्केचिंग फ्रेमवर्क पेश करता है जो नियमित स्पेक्ट्रल सन्निकटन (regularized spectral approximation) का लाभ उठाकर बड़े-रैंक वाले लो-रैंक मैट्रिक्स सन्निकटन के लिए पावर मेथड को त्वरित करता है ताकि SVD, गुणनखंड (factorization), और निस्ट्रॉम सन्निकटन (Nyström approximation) में प्रमाणित रूप से कुशल और संख्यात्मक रूप से सुदृढ़ प्रदर्शन प्राप्त किया जा सके।
WISTERIA इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड के लिए एक कमजोर रूप से पर्यवेक्षित (weakly supervised) प्रतिनिधित्व शिक्षण ढांचा है जो नैदानिक लेबल को स्टोकेस्टिक अवलोकनों के रूप में मॉडल करके और विषम पर्यवेक्षण संकेतों को स्पष्ट रूप से शोर-मुक्त करने के लिए मल्टी-व्यू निरंतरता लागू करके भविष्य कहनेवाला प्रदर्शन और क्रॉस-संस्थागत सामान्यीकरण में सुधार करता है।
EvoPref, ग्रेडिएंट-आधारित विधियों के प्रेफरेंस कोलैप्स (preference collapse) को दूर करने के लिए NSGA-II और LoRA एडेप्टर का उपयोग करते हुए एक मल्टी-ऑब्जेक्टिव इवोल्यूशनरी एल्गोरिदम पेश करता है, जो मानक बेंचमार्क पर प्रतिस्पर्धी गुणवत्ता बनाए रखते हुए काफी अधिक विविध LLM अलाइनमेंट प्राप्त करता है।
यह शोधपत्र QD-LLM को प्रस्तुत करता है, जो एक पैरामीटर-कुशल न्यूरोइवोल्यूशन फ्रेमवर्क है जो फ्रोजन लार्ज लैंग्वेज मॉडल्स को विविध, उच्च-गुणवत्ता वाले आउटपुट की ओर निर्देशित करने के लिए क्वालिटी-डाइवर्सिटी ऑप्टिमाइज़ेशन स्कीम के भीतर कॉम्पैक्ट प्रॉम्प्ट एम्बेडिंग्स को विकसित करता है, जो मॉडल फाइन-ट्यूनिंग की आवश्यकता के बिना कवरेज और डाउनस्ट्रीम उपयोगिता में मौजूदा विधियों से काफी बेहतर प्रदर्शन करता है।