26236 पेपर
यह शोध पत्र प्रदर्शित करता है कि एक सरल K-निकटतम-पड़ोसी (K-Nearest-Neighbor) आधारित आउटलियर हटाने वाला ह्यूरिस्टिक, रोबस्ट -मीन्स क्लस्टरिंग के लिए निरंतर-कारक सन्निकटन गारंटी (constant-factor approximation guarantees) और बेहतर अनुभवजन्य प्रदर्शन प्राप्त करता है, जो बिना किसी अतिरिक्त केंद्रों या जटिल एल्गोरिदम की आवश्यकता के, आउटलियर डिटेक्शन और क्लस्टरिंग तकनीकों को प्रभावी ढंग से जोड़ता है।
यह शोध पत्र ग्राफ विसंगति पहचान (Graph Anomaly Detection) के लिए एक व्यापक बेंचमार्क प्रस्तुत करता है जो वास्तविक तैनाती की चुनौतियों—विशेष रूप से मिलियन-स्केल ग्राफ, अत्यधिक विसंगति दुर्लभता और लुप्त विशेषताओं—के तहत मॉडलों का मूल्यांकन करता है, जिससे यह पता चलता है कि वर्तमान अत्याधुनिक विधियाँ अक्सर अपने प्रयोगशाला परिणामों की तुलना में उत्पादन वातावरण में स्केल करने या प्रदर्शन बनाए रखने में विफल रहती हैं।
यह शोध पत्र डिस्टिलेशन थ्रू रीजनिंग पाथ कम्प्रेशन (D-RPC) का प्रस्ताव करता है, जो एक ऐसी विधि है जो शिक्षक (teacher) के तर्क (rationales) को पुन: प्रयोज्य उच्च-स्तरीय रीजनिंग पथों के एक गतिशील रूप से बनाए रखे गए बैंक तक सीमित करके बड़े से छोटे भाषा मॉडलों में ज्ञान हस्तांतरण में सुधार करती है, जिससे पर्यवेक्षण शोर (supervision noise) कम होता है और मौजूदा डिस्टिलेशन तकनीकों की तुलना में कई रीजनिंग बेंचमार्क पर बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र MathlibPR को प्रस्तुत करता है, जो वास्तविक Lean/Mathlib4 पुल रिक्वेस्ट इतिहास से प्राप्त एक बेंचमार्क है, जिसका उद्देश्य LLMs और एजेंटों की मर्ज-तैयार योगदानों से गैर-मर्ज किए गए योगदानों के बीच अंतर करने की क्षमता का मूल्यांकन करना है, जो उनकी वर्तमान संघर्षों को प्रकट करता है और रिव्यूअर असिस्टेंट और रिवॉर्ड मॉडल विकसित करने के लिए इस बेंचमार्क की क्षमता को उजागर करता है।
यह शोध पत्र एक ऐसी नवीन विधि प्रस्तुत करता है जो एक मेश-मुक्त अनुकूलन-आधारित इंटीग्रेटर के माध्यम से यूलर-लैग्रेंज अवशेषों (Euler-Lagrange residuals) को न्यूनतम करके आंशिक अंतर समीकरणों (partial differential equations) के लिए सीधे निरंतर लैग्रेंजियन मॉडल सीखती है, जो रैखिक स्केलेबिलिटी और बिना पुनरप्रशिक्षण के मनमाने सीमा स्थितियों (boundary conditions) में सामान्यीकरण के साथ स्थिर, दीर्घकालिक भविष्यवाणियों को सक्षम बनाती है।
यह शोध पत्र यह प्रदर्शित करता है कि वर्तमान अत्याधुनिक टेक्स्ट एम्बेडिंग (text embeddings) व्यापक उप-क्षेत्र स्तरों पर पर्याप्त प्रदर्शन करने के बावजूद सूक्ष्म शोध एजेंडों को पकड़ने में विफल रहती हैं, जो वैज्ञानिक रिट्रीवल-ऑगमेंटेड जनरेशन (retrieval-augmented generation) के लिए एक महत्वपूर्ण सीमा को उजागर करता है जिसे साइटेशन-आधारित संकेतों (citation-based signals) का लाभ उठाकर आंशिक रूप से संबोधित किया जा सकता है।
यह शोध पत्र एक न्यूरोसिम्बोलिक इमिटेशन लर्निंग फ्रेमवर्क प्रस्तावित करता है जो उच्च-आयामी डेटा को संसाधित करने की तंत्रिका नेटवर्क (न्यूरल नेटवर्क) की क्षमता को प्रतीकात्मक विधियों की सामान्यीकरण क्षमताओं के साथ जोड़ता है, जो दक्षता में सुधार करने और ओवरफिटिंग को कम करने के लिए गेज़ (दृष्टि) डेटा जैसे विशेषाधिकार प्राप्त प्रशिक्षण जानकारी का लाभ उठाता है।
यह शोध पत्र लागत सब्सिडी वाले मल्टी-आर्म्ड बैंडिट्स के लिए कॉस्ट-ऑर्डर्ड फिजिबिलिटी (COF) एल्गोरिदम प्रस्तुत करता है, जो अधिक सटीक इंस्टेंस-डिपेंडेंट सैद्धांतिक सीमाएं स्थापित करता है और मौजूदा बेसलाइन की तुलना में रिवॉर्ड बाधाओं को पूरा करते हुए लागतों को कम करने में बेहतर अनुभवजन्य प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र RelAge-GNN को प्रस्तुत करता है, जो एक मल्टी-रिलेशनल ग्राफ न्यूरल नेटवर्क फ्रेमवर्क है जो मौजूदा विधियों की तुलना में डीएनए मिथाइलेशन-आधारित आयु अनुमान की सटीकता और जैविक व्याख्यात्मकता में सुधार करने के लिए को-मिथाइलेशन पैटर्न, जीनोमिक को-लोकलाइजेशन और जीन-स्तरीय जुड़ावों को एकीकृत करता है।
HyperEyes एक समानांतर मल्टीमॉडल सर्च एजेंट है जिसे एक ड्यूल-ग्रेन्ड एफिशिएंसी-अवेयर रीइन्फोर्समेंट लर्निंग फ्रेमवर्क के माध्यम से प्रशिक्षित किया गया है जो विजुअल ग्राउंडिंग और रिट्रीवल को समवर्ती कार्यों में संलयित करता है, जिससे मौजूदा अनुक्रमिक एजेंटों की तुलना में बेहतर सटीकता और काफी कम इन्फरेंस लागत प्राप्त होती है।