26959 पेपर
यह शोध पत्र पॉइंटवाइज यूनिफॉर्म स्टेबिलिटी (pointwise uniform stability) पर आधारित एक नए लर्निंग थ्योरी को विकसित करके विकेंद्रीकृत SGD (decentralized SGD) के लिए उच्च-संभाव्यता सामान्यीकरण बाउंड्स (high-probability generalization bounds) और पारंपरिक SGD के बीच के अंतर को पाटता है, जो उत्तल (convex), दृढ़ उत्तल (strongly convex) और गैर-उत्तल (non-convex) परिवेशों में इष्टतम दर प्राप्त करता है।
यह अध्ययन प्रदर्शित करता है कि स्पेक्ट्रोस्कोपिक तारकीय आयु अनुमानों में व्यवस्थित संपीड़न (systematic compression), न कि एक स्वाभाविक रूप से विरल (bursty) निर्माण इतिहास, कृत्रिम रूप से उन तीव्र आयु-धातु संबंधों और तीव्र संयोजन समयसीमाओं को उत्पन्न कर सकता है जिनका उपयोग पहले मिल्की वे के मोटे डिस्क (thick disk) को चित्रित करने के लिए किया गया था, जो यह सुझाव देता है कि एस्टरोसेइस्मिक एंकरिंग (asteroseismic anchoring) एक काफी अधिक विस्तृत निर्माण अवधि को प्रकट करती है।
FORGE एक दो-चरणीय ढांचा है जो आणविक अनुकूलन (molecular optimization) को स्वतः-खोजे गए डेटा का उपयोग करके फ्रैगमेंट प्रतिस्थापनों (fragment replacements) को रैंक और जेनरेट करके संदर्भ-जागरूक स्थानीय संपादन के रूप में पुनर्गठित करता है, जिससे यह प्राकृतिक भाषा प्रशिक्षण की मतिभ्रम (hallucinations) और स्केलिंग सीमाओं से बचते हुए मौजूदा भाषा और ग्राफ-आधारित विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र रिप्ले वॉल्यूम (replay volume), अपेक्षित नवीनता (expected recency) और सैंपलिंग एंट्रॉपी (sampling entropy) को ऑफ-पॉलिसी सुदृढीकरण शिक्षण (off-policy reinforcement learning) में नॉन-यूनिफॉर्म रिप्ले की प्रभावशीलता को नियंत्रित करने वाले प्रमुख कारकों के रूप में पहचानता है, जो यह प्रदर्शित करता है कि एक सरल ट्रंकेटेड जियोमेट्रिक (Truncated Geometric) रणनीति कम-वॉल्यूम वाले परिदृश्यों में सैंपल दक्षता में महत्वपूर्ण सुधार करती है और उच्च-वॉल्यूम सेटिंग्स में भी प्रतिस्पर्धी बनी रहती है।
यह शोध पत्र MARGIN का प्रस्ताव करता है, जो एक मीट्रिक-आधारित ढांचा है जो एडेप्टिव मार्जिन मीट्रिक लर्निंग और हाइपरस्फेरिकल प्रोटोटाइप मॉडलिंग का लाभ उठाकर सॉफ्टवेयर भेद्यता (वल्नरेबिलिटी) डिटेक्शन में फ्रीक्वेंसी और कठिनाई के असंतुलन को संबोधित करता है ताकि एम्बेडिंग स्पेस में ज्यामितीय विकृतियों को सुधारा जा सके, जिससे असंतुलित डेटासेट पर बेहतर वर्गीकरण प्रदर्शन और मजबूती प्राप्त की जा सके।
यह शोध पत्र फाइनेंशियल एनोटेटेड डेटासेट (FIAD) के निर्माण को प्रस्तुत करता है, जो बैंकिंग ऐप समीक्षाओं और लोकल ग्रामर ग्राफ से प्राप्त एक कोरियाई भाषाई संसाधन है, जिसका उपयोग एनोटेटेड प्रशिक्षण डेटा उत्पन्न करने के लिए किया जाता है जो बैंकिंग ग्राहक सेवा संवाद प्रणालियों में विभिन्न NLU मॉडलों के प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह शोध पत्र DP-LAC को पेश करता है, जो भाषा मॉडलों के डिफरेंशियल प्राइवेट फेडरेटेड फाइन-ट्यूनिंग के लिए एक हल्का (लाइटवेट) तरीका है, जो बिना किसी अतिरिक्त गोपनीयता लागत या हाइपरपैरामीटर ट्यूनिंग के क्लिपिंग थ्रेशोल्ड का कुशलतापूर्वक अनुमान लगाता है और उसे अनुकूलित करता है, जिससे मौजूदा दृष्टिकोणों की तुलना में 6.6% सटीकता में सुधार होता है।
PRECISE-GBM अध्ययन यह प्रदर्शित करता है कि MRI विशेषताओं से प्राप्त रेडियोजेनोमिक मॉडल, IDH-वाइल्डटाइप ग्लियोब्लास्टोमा में मैक्रोफेज सबटाइप इम्यून सिग्नेचर की गैर-आक्रामक और सटीक भविष्यवाणी कर सकते हैं, जो इम्यूनोथेरेपी परीक्षणों में रोगी के स्तरीकरण के लिए एक संभावित उपकरण प्रदान करता है।
DeepLog एक PyTorch पर आधारित एक मॉड्यूलर न्यूरोसिम्बोलिक AI फ्रेमवर्क है जो उच्च-स्तरीय विशिष्टताओं (specifications) को स्वचालित रूप से अनुकूलित अंकगणितीय सर्किटों में संकलित करके विविध तर्क और डीप लर्निंग प्रतिमानों को एकीकृत करता है, जिससे चिकित्सकों के लिए बाधा कम होती है और नई एकीकरण रणनीतियों को विकसित करने के लिए एक साझा बैकएंड प्रदान किया जाता है।
यह शोध पत्र BROS को प्रस्तुत करता है, जो एक मेमोरी-कुशल सिंगल-लूप स्टोकेस्टिक बाइलेवल ऑप्टिमाइज़ेशन विधि है जो सटीक विधियों के समान अभिसरण दर (convergence rate) प्राप्त करने के लिए रैंडमाइज्ड सबस्पेस और एक रेडमेकर बायो-प्रोब करेक्शन का उपयोग करती है, जबकि पीक मेमोरी उपयोग को काफी कम कर देती है।