26757 पेपर
यह शोध पत्र एक गैर-ऑटोरेग्रेसिव लर्निंग फ्रेमवर्क प्रस्तावित करता है जो प्रशिक्षण के दौरान एक सहायक मोडैलिटी के रूप में परमाणु प्रक्षेपवक्रों (atomic trajectories) का उपयोग करता है ताकि अनुक्रमिक अनुमान या अनुमान के समय प्रक्षेपवक्र डेटा की आवश्यकता के बिना, स्थिर संरचनाओं से तेज़, सटीक और गतिशील आयनिक परिवहन भविष्यवाणी सक्षम की जा सके।
Mem-W GUI एजेंटों की एक नवीन श्रेणी प्रस्तुत करता है जो ऐतिहासिक और वर्किंग मेमोरी को सीधे मॉडल के लेटेंट कॉन्टेक्स्ट में कॉम्पैक्ट टोकन के रूप में एकीकृत करता है, जिससे बाहरी सिम्बोलिक मेमोरी और आंतरिक निरूपणों के बीच के अंतर को समाप्त किया जा सके और वेब एवं मोबाइल बेंचमार्क में लॉन्ग-होरिज़न टास्क परफॉरमेंस को महत्वपूर्ण रूप से सुधारा जा सके।
यह शोध पत्र PGID का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त (training-free), प्लग-एंड-प्ले फ्रेमवर्क है जो प्रोग्रेसिव गाइडेड इनवर्जन और डीनोइजिंग का उपयोग करके विक्षेपित लैटेंट्स (perturbed latents) को उनके मूल क्षेत्रों में वापस प्रोजेक्ट करके AI-जनित छवियों पर वॉटरमार्क हटाने और जालसाजी हमलों से बचाव करता है, जिससे मजबूत डिटेक्शन विश्वसनीयता बहाल होती है।
यह शोध पत्र टेस्ट-टाइम स्पेक्यूलेशन (TTS) पेश करता है, जो एक ऑनलाइन डिस्टिलेशन विधि है जो इन्फरेंस के दौरान टारगेट मॉडल के वेरिफिकेशन सिग्नल्स का उपयोग करके ड्राफ्ट मॉडल को निरंतर अनुकूलित करती है, जिससे लंबे अनुक्रमों (sequences) पर मौजूदा स्पेकुलेटर्स के प्रदर्शन में गिरावट को दूर किया जा सकता है और स्वीकृति लंबाई (acceptance lengths) में महत्वपूर्ण सुधार किया जा सकता है।
यह शोधपत्र सैद्धांतिक रूप से स्थापित करता है कि Muon ऑप्टिमाइज़र एक गैर-रेखीय स्पेक्ट्रल शेपिंग तंत्र का उपयोग करके उच्च-आयामी LLM प्रशिक्षण परिदृश्यों में डायमेंशन-फ्री सैडल-पॉइंट एस्केप प्राप्त करता है, जिससे यह AdamW जैसे एलिमेंट-वाइज एडेप्टिव ऑप्टिमाइज़र्स को फँसाने वाले आयामी अभिशाप (dimensional curse) को दरकिनार कर देता है।
यह शोध पत्र FAR-SIGN प्रस्तुत करता है, जो पूरी तरह से एसिंक्रोनस पैरामीटर-सर्वर-वर्कर सिस्टम के लिए एक सुदृढ़ अनुकूलन एल्गोरिदम है, जो साइन-आधारित दिशात्मक अपडेट और दो-टाइमस्केल तंत्र का उपयोग करता है ताकि प्रथम-क्रम और शून्य-क्रम दोनों सेटिंग्स के लिए सिद्ध अभिसरण (convergence) और निकट-इष्टतम दरों के साथ विरोधी-लचीला (adversary-resilient) शिक्षण प्राप्त किया जा सके।
यह शोध पत्र वन-शॉट न्यूरल नेटवर्क प्रूनिंग में एक "सिलेक्शन प्लेटो" (Selection Plateau) की पहचान करता है जहाँ सभी रैंक-मोनोटोन स्कोरर्स समान सटीकता पर अभिसरित होते हैं, और यह प्रदर्शित करने के लिए स्पर्सिटी-इंफॉर्मेशन-कॉम्प्लेक्सिटी स्पेक्ट्रम (SICS) परिकल्पना प्रस्तावित करता है कि इस प्लेटो से बाहर निकलने के लिए उन गैर-मोनोटोन विशेषताओं की आवश्यकता होती है जिनका जटिलता स्तर विशेष रूप से लक्षित स्पर्सिटी के अनुकूल हो।
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।