26757 पेपर
यह शोध पत्र एक ऐसी तकनीक प्रस्तुत करता है जो न्यूरल-ODEs को सटीक फिक्स्ड-पॉइंट बाधाओं को कड़ाई से लागू करते हुए मनमाने वेग क्षेत्रों (velocity fields) का अनुमान लगाने में सक्षम बनाती है, जिससे भौतिक मॉडलिंग के अनुप्रयोगों के लिए मॉडल की सार्वभौमिकता और अभिव्यंजक शक्ति सुरक्षित रहती है।
यह शोधपत्र MulTaBench प्रस्तुत करता है, जो 40 इमेज-टेबुलर और टेक्स्ट-टेबुलर डेटासेट्स का एक व्यापक बेंचमार्क है जिसे यह प्रदर्शित करने के लिए डिज़ाइन किया गया है कि अनस्ट्रक्चर्ड मोडैलिटी एम्बेडिंग्स का टास्क-विशिष्ट ट्यूनिंग फ्रोजन एम्बेडिंग्स की तुलना में काफी बेहतर प्रदर्शन करता है, जिससे नवीन मल्टीमॉडल टेबुलर फाउंडेशन मॉडल्स विकसित करने के लिए एक आधार स्थापित होता है।
यह शोध पत्र \textsc{HiTaB} को प्रस्तुत करता है, जो एक नवीन सत्यापन ढांचा (verification framework) है जो पहुंच विश्लेषण (reachability analysis) और सुरक्षा प्रमाणन (safety certification) के लिए अधिक सटीक, पदानुक्रमित एंड-टू-एंड टेलर बाउंड्स (hierarchical end-to-end Taylor bounds) प्रदान करने के लिए न्यूरल नेटवर्क वक्रता (neural network curvature) की लिप्सचिट्ज़ निरंतरता (Lipschitz continuity) का व्यवस्थित रूप से लाभ उठाता है।
यह शोधपत्र पदानुक्रमित कारण एब्डक्शन (Hierarchical Causal Abduction - HCA) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो भौतिकी-प्रेरित तर्क, KKT अनुकूलन साक्ष्य और टेम्पोरल कॉज़ल डिस्कवरी को एकीकृत करता है ताकि नॉनलीन मॉडल प्रेडिक्टिव कंट्रोल (MPC) कार्यों के लिए सटीक, मानव-व्याख्यात्मक स्पष्टीकरण उत्पन्न किए जा सकें, जो विविध सुरक्षा-महत्वपूर्ण अनुप्रयोगों में LIME जैसे मौजूदा तरीकों की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र GG-PA प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त ढांचा (training-free framework) है जो एसिम्प्टोटिक रूप से सटीक सैंपलिंग प्राप्त करने और वैज्ञानिक प्रणालियों में संदर्भ-प्रेरित वितरण बदलावों (context-induced distribution shifts) को बिना पुन: प्रशिक्षण के पुनः प्राप्त करने के लिए एक जनरेटिव गिब्स सैंपलर के माध्यम से पूर्व-प्रशिक्षित डिफ्यूजन प्रायर्स (pretrained diffusion priors) को स्पष्ट भौतिक संदर्भ के साथ जोड़ता है।
यह शोध पत्र ग्राउंडेड प्रेडिक्शन नेटवर्क (GPN) को प्रस्तुत करता है, जो एक सिंगल-लेयर रिकरेंट आर्किटेक्चर है जो प्रत्येक चरण पर एक सिंगल स्टेट वेक्टर को पुनरावृत्त करके प्रतिस्पर्धी लैंग्वेज मॉडलिंग प्रदर्शन प्राप्त करता है, जो गहरे स्टैक्ड मॉडल्स के लिए एक जैविक रूप से प्रेरित विकल्प प्रदान करता है और साथ ही इसकी आंतरिक मेमोरी डायनेमिक्स के प्रत्यक्ष ज्यामितीय निरीक्षण को सक्षम बनाता है।
यह शोध पत्र DiCoLa को प्रस्तुत करता है, जो एक सैद्धांतिक रूप से सुदृढ़ और पूर्ण पुनरावर्ती अपघटन ढांचा (recursive decomposition framework) है जो लेटेंट वेरिएबल्स (latent variables) वाले परिवेश में डिवाइड-एंड-कॉन्कर कॉज़ल डिस्कवरी का विस्तार करता है, जो सिंथेटिक और वास्तविक दुनिया के परिदृश्यों में सटीकता बनाए रखते हुए कम्प्यूटेशनल दक्षता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र \texttt{AB-SID-iVAR} को प्रस्तुत करता है, जो एक गॉसियन प्रोसेस-आधारित सक्रिय शिक्षण विधि है जो विभाजन फलन (partition function) के अनुमान के बिना अगतिशील लक्ष्य (intractable target) को सन्निकटित करके स्व-प्रेरित बोल्ट्ज़मैन वितरणों के तहत अज्ञात फलनों को प्रभावी ढंग से सीखती है, जिससे शून्य के करीब पूर्वानुमान त्रुटि प्राप्त होती है और पोटेंशियल एनर्जी सरफेस मॉडलिंग और ड्रग डिस्कवरी जैसे अनुप्रयोगों में मौजूदा दृष्टिकोणों से बेहतर प्रदर्शन करती है।
यह शोध पत्र BCJR-QAT प्रस्तुत करता है, जो ट्रेलीस-कोडेड वेट क्वांटाइजेशन (trellis-coded weight quantization) का एक डिफरेंशिएबल रिलैक्सेशन है, जो गैर-डिफरेंशिएबल विटेर्बी आर्गमैक्स (Viterbi argmax) को तापमान-नियंत्रित BCJR सम-प्रोडक्ट एल्गोरिदम से बदल देता है, जिससे एंड-टू-एंड क्वांटाइजेशन-अवेयर ट्रेनिंग सक्षम होती है जो LLMs पर स्टेट-ऑफ-द-आर्ट PTQ फ्रंटियर से अनुभवजन्य रूप से बेहतर प्रदर्शन करती है।
यह शोध पत्र एक रैंडमाइज्ड शेपिंग थ्योरी प्रस्तुत करता है जो यह प्रदर्शित करता है कि ज़ीरोथ-ऑर्डर एडेप्टेशन, अनिसोट्रोपिक घटकों को संकुचित करते हुए आइसोट्रोपिक रिटेंशन कर्वेचर को संरक्षित करके, फर्स्ट-ऑर्डर विधियों की तुलना में फॉरगेटिंग (विस्मृति) को कम कर सकता है, जिससे RISE एल्गोरिदम का जन्म होता है जो बेहतर स्टेबिलिटी-प्लास्टिसिटी ट्रेड-ऑफ के लिए सटीक ग्रेडिएंट्स पर इस कैलिब्रेटेड शेपिंग मैकेनिज्म को लागू करता है।