27306 पेपर
यह शोध पत्र "LLM-as-a-Judge" मूल्यांकनों में व्यवस्थित पूर्वाग्रहों और विश्वसनीयता संबंधी जोखिमों की पहचान करता है, विशेष रूप से मॉडल तुलनाओं के लिए साझा अंशांकन (shared calibration) का उपयोग करते समय, और साइन-रिवर्ज़ल त्रुटियों जैसे विफलता मोड का पता लगाने के लिए नैदानिक मेट्रिक्स ( और ) के साथ रिपोर्टिंग दिशानिर्देश प्रस्तावित करता है।
ProtoSSL एक नवीन ढांचा है जो स्व-पर्यवेक्षित मोटिफ डिस्कवरी (self-supervised motif discovery) के माध्यम से अनलेबल समय-श्रृंखला डेटा (unlabeled time-series data) से व्याख्या योग्य, प्रोजेक्शन-आधारित प्रोटोटाइप सीखता है, जिसे फिर डाउनस्ट्रीम कार्यों के साथ कुशलतापूर्वक संरेखित किया जा सकता है ताकि सुपरवाइज्ड बेसलाइन्स की तुलना में बेहतर लेबल दक्षता और मानव-पसंद स्पष्टीकरण प्राप्त किया जा सके।
यह शोध पत्र 'एडैप्टिव मेमोरी डिके' (Adaptive Memory Decay) का प्रस्ताव करता है, जो एक हल्के एमएलपी (MLP) के माध्यम से लॉग-लीनियर अटेंशन में फिक्स्ड डिके पैरामीटर को एक इनपुट-डिपेंडेंट, लर्नबल मैकेनिज्म से बदलकर, मॉडल की लॉग-लीनियर कम्प्यूटेशनल कॉम्प्लेक्सिटी को बनाए रखते हुए लॉन्ग-रेंज मेमोरी परफॉरमेंस और फ्लेक्सिबिलिटी को बढ़ाता है।
यह शोध पत्र एक सुदृढीकरण अधिगम (reinforcement learning) प्रतिमान प्रस्तुत करता है जो प्रशिक्षण के दौरान भौतिक पूर्वधारणाओं (physical priors) को आंतरिक रूप से समाहित करके, भौतिक रूप से स्थिर ईंट संरचनाओं के कुशल, रोलबैक-मुक्त निर्माण को सक्षम बनाता है, जिससे परीक्षण समय पर होने वाले धीमे सिमुलेशन-आधारित सुधारों की आवश्यकता समाप्त हो जाती है।
यह शोध पत्र मल्टी-ऑब्जेक्टिव कंस्ट्रेंट इन्फरेंस (MOCI) प्रस्तुत करता है, जो एक नवीन फ्रेमवर्क है जो परस्पर विरोधी उद्देश्यों वाले विषम विशेषज्ञ प्रदर्शनों से साझा बाधाओं और व्यक्तिगत प्राथमिकताओं को प्रभावी ढंग से निकालता है, और कम्प्यूटेशनल दक्षता बनाए रखते हुए प्रिडिक्टिव सटीकता में मौजूदा बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र K-DSM को प्रस्तुत करता है, जो एक कर्टोसिस-गाइडेड डीनोइजिंग स्कोर मैचिंग विधि है जो जटिल मल्टी-स्केल प्रशिक्षण या व्यापक हाइपरपैरामीटर ट्यूनिंग की आवश्यकता के बिना, सेमी-सुपरवाइज्ड और पूरी तरह से अनसुपरवाइज्ड सेटिंग्स में स्टेट-ऑफ-द-आर्ट टैबुलर एनोमली डिटेक्शन प्राप्त करने के लिए प्रति फीचर शोर (noise) को अनुकूल रूप से स्केल करता है।
यह शोध पत्र एक अवकलनीय बेयसियन रिलैक्सेशन (differentiable Bayesian relaxation) प्रस्तुत करता है जो लेटेंट पार्शियल-ऑर्डर इन्फरेंस में विच्छिन्न बाधाओं (discontinuous constraints) को सुचारू सरोगेट्स (smooth surrogates) से बदल देता है, जिससे पार्शियल-ऑर्डर सिमेंटिक्स को संरक्षित करते हुए और विभिन्न डेटासेट्स पर बेहतर रनटाइम-सटीकता ट्रेड-ऑफ प्रदर्शित करते हुए कुशल ग्रेडिएंट-आधारित इन्फरेंस सक्षम होता है।
यह शोध पत्र FastOmniTMAE प्रस्तुत करता है, जो Omni TM-AE का एक समानांतर (parallelized) और हार्डवेयर-त्वरित (hardware-accelerated) पुनर्गठन है, जो एम्बेडिंग गुणवत्ता को बनाए रखते हुए प्रशिक्षण को 5 तक तेज़ बनाता है और संसाधन-बाधित SoC-FPGA प्लेटफॉर्म पर कुशल परिनियोजन (deployment) को सक्षम बनाता है।
यह शोध पत्र तर्क देता है कि के-मीन्स क्लस्टरिंग (K-means clustering) सिम्युलेटेड और वास्तविक साइकोमेट्रिक डेटा दोनों में स्थिर और दृश्य रूप से सुसंगत उपसमूह पैटर्न उत्पन्न कर सकती है, भले ही कोई वास्तविक लेटेंट कैटेगोरिकल संरचना मौजूद न हो, क्योंकि यह एल्गोरिदम स्वाभाविक रूप से निरंतर गाऊसीан (Gaussian) स्थानों को ज्यामितीय रूप से सघन समूहों में विभाजित करता है।
TrajGANR एक नवीन प्रक्षेपवक्र-केंद्रित (trajectory-centric) भू-स्थानिक बहुविध स्व-पर्यवेक्षित शिक्षण ढांचा है जो सूक्ष्म तंत्रिका निरूपणों (fine-grained neural representations) के माध्यम से निरंतर मानव गति पैटर्न को स्थिर स्ट्रीट-व्यू इमेजरी और भौगोलिक स्थानों के साथ संरेखित करता है, जो मौजूदा विधियों की तुलना में शहरी गतिशीलता और सड़क समझ कार्यों में बेहतर प्रदर्शन प्राप्त करता है।