26236 पेपर
यह शोध पत्र FMPlug को प्रस्तुत करता है, जो एक प्लग-इन फ्रेमवर्क है जो इंस्टेंस-गाइडेड वार्म-स्टार्ट रणनीतियों को गॉसियनिटी रेगुलराइजेशन के साथ जोड़कर फाउंडेशन फ्लो-मैचिंग मॉडल्स को इनवर्स समस्याओं के लिए उन्नत करता है, जिससे उन्हें व्यावहारिक, उच्च-प्रदर्शन वाले यूनिवर्सल प्रायर्स के रूप में उनकी क्षमता को अनलॉक करने में मदद मिलती है।
यह शोध पत्र एक प्रेडिक्टर-अज्ञेय (predictor-agnostic) ढांचे का प्रस्ताव करता है जो मल्टी-स्टेप टाइम-सीरीज़ फोरकास्टिंग में त्रुटि संचय को कम करने के लिए एक न्यूरल कंट्रोल्ड डिफरेंशियल इक्वेशन को करेक्टर के रूप में उपयोग करता है, जो अनियमित रूप से सैंपल किए गए डेटा पर विविध निरंतर और असतत मॉडलों पर सैद्धांतिक गारंटी और बेहतर प्रदर्शन प्रदान करता है।
यह शोध पत्र 'एक्ज़ैक्ट फ्लो लीनियर अटेंशन' (EFLA) को प्रस्तुत करता है, जो एक पैरामीटर-कुशल तंत्र है जो डेल्टा-नियम लीनियर अटेंशन के यूलर डिसक्रेटाइजेशन (Euler discretization) को निरंतर-समय गतिकी (continuous-time dynamics) से प्राप्त एक सटीक क्लोज्ड-फॉर्म समाधान से प्रतिस्थापित करता है, जिससे कम्प्यूटेशनल दक्षता से समझौता किए बिना स्थिरता और प्रदर्शन में सुधार होता है।
यह शोध पत्र DT-PBO का प्रस्ताव करता है, जो प्रिफरेंशियल बेयसियन ऑप्टिमाइज़ेशन (Preferential Bayesian Optimization) के लिए एक नवीन व्याख्या योग्य ट्री-आधारित सरोगेट मॉडल है, जो पारंपरिक गॉसियन प्रोसेस-आधारित दृष्टिकोणों की व्याख्यात्मकता संबंधी सीमाओं को संबोधित करते हुए, निर्णय लेने वाले की प्राथमिकताओं में पारदर्शी अंतर्दृष्टि प्रदान करते हुए प्रतिस्पर्धी प्रदर्शन और मजबूती प्राप्त करता है।
यह शोध पत्र एक ब्लूम फ़िल्टर-आधारित एन्कोडिंग पद्धति प्रस्तावित करता है जो विविध डेटा प्रकारों को मेमोरी उपयोग को कम करने और मूल मानों को अस्पष्ट करने के लिए संक्षिप्त, निश्चित-लंबाई वाले बिट सरणियों में परिवर्तित करता है, यह प्रदर्शित करते हुए कि इन निरूपणों पर प्रशिक्षित मशीन लर्निंग मॉडल कच्चे डेटा या मानक आयामी कमी तकनीकों का उपयोग करने वाले मॉडलों के प्रदर्शन के तुलनीय परिणाम प्राप्त करते हैं।
यह शोध पत्र तर्क देता है कि चेन-ऑफ-थॉट रीजनिंग (Chain-of-Thought reasoning) प्रॉम्प्ट-इंजेक्टेड संकेतों (prompt-injected hints) को स्पष्ट रूप से मौखिक रूप से व्यक्त किए बिना भी निष्ठावान (faithful) हो सकती है, जो अपूर्णता को निष्ठाहीनता के साथ मिलाने वाले "बायसिंग फीचर्स" (Biasing Features) मीट्रिक को चुनौती देता है और एक व्यापक व्याख्यात्मक टूलकिट (interpretability toolkit) की वकालत करता जिसमें कॉज़ल मीडिएशन एनालिसिस (causal mediation analysis) शामिल है।
SWaRL एक सुदृढ़ और फिडेलिटी-प्रिजर्विंग (fidelity-preserving) कोड वॉटरमार्किंग फ्रेमवर्क है जो LLM-जनरेटेड कोड में सत्यापन योग्य सिग्नेचर एम्बेड करने के लिए कंपाइलर फीडबैक और एक गोपनीय वेरीफायर के साथ सुदृढीकरण लर्निंग (reinforcement learning) का लाभ उठाता है, जो कार्यात्मक शुद्धता बनाए रखते हुए मजबूत डिटेक्शन सटीकता और हमलों के विरुद्ध प्रतिरोध सुनिश्चित करता है।
यह शोध पत्र एडेप्टिव रीपैरामीटराइज्ड टाइम (ART) और इसके सुदृढीकरण शिक्षण संस्करण ART-RL को प्रस्तुत करता है, जो विवक्तीकरण त्रुटि (discretization error) को न्यूनतम करके डिफ्यूजन मॉडल टाइमस्टेप शेड्यूल्स को अनुकूलित करने की एक सिद्धांतपूर्ण विधि है, जो बिना किसी अतिरिक्त अनुमान लागत के विभिन्न डेटासेट और बजटों में नमूना गुणवत्ता में महत्वपूर्ण सुधार करती है।
यह शोधपत्र न्यूरल न्यूरल स्केलिंग लॉज़ (NeuNeu) को प्रस्तुत करता है, जो एक न्यूरल नेटवर्क-आधारित दृष्टिकोण है जो डाउनस्ट्रीम टास्क परफॉरमेंस प्रेडिक्शन को टाइम-सीरीज एक्सट्रपलेशन समस्या के रूप में फ्रेम करके पारंपरिक पैरामीट्रिक मॉडलों से बेहतर प्रदर्शन करता है, जिससे विविध मॉडल परिवारों और कार्यों में काफी कम त्रुटि दर और ज़ीरो-शॉट जनरलाइजेशन हासिल होता है।
यह शोध पत्र R-GTD का प्रस्ताव करता है, जो एक नियमितीकृत ग्रेडिएंट टेम्पोरल-डिफरेंस लर्निंग एल्गोरिदम है जो एक अद्वितीय समाधान की अभिसरण (convergence) की गारंटी देता है और फीचर इंटरेक्शन मैट्रिक्स के सिंगुलर होने पर भी स्पष्ट त्रुटि सीमाएं प्रदान करता है, जो गैर-सिंगुलैरिटी धारणाओं पर निर्भर मौजूदा विधियों की सीमाओं को दूर करता है।