27461 पेपर
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।
यह शोध पत्र तर्क देता है कि एजेंटिक सुरक्षा (agentic safety) विभिन्न कार्यों में केवल प्रशिक्षण की सीमाओं के कारण ही नहीं, बल्कि इसलिए भी सामान्यीकृत (generalize) होने में विफल रहती है क्योंकि कार्य विशिष्टताओं (task specifications) को सुरक्षित निष्पादन (safe execution) के साथ मैप करने की अंतर्निहित जटिलता, अकेले निष्पादन की तुलना में मौलिक रूप से अधिक है, जो लिप्सचिट्ज़ स्थिरांक (Lipschitz constants) के सैद्धांतिक विश्लेषण और न्यूरल नेटवर्क एवं एलएलएम (LLM) एजेंटों के अनुभवजन्य प्रयोगों द्वारा समर्थित एक निष्कर्ष है।
इको (Echo) एक KV-कैश-मुक्त आर्किटेक्चर है जो लंबी अनुक्रमों (sequences) पर निरंतर-मेमोरी और पूर्ण साहचर्य पुनस्मरण (associative recall) प्राप्त करने के लिए स्टेट-स्पेस मॉडल्स में स्पेक्ट्रल कूपमैन अटेंशन (Spectral Koopman Attention) को एकीकृत करता है, जो प्रभावी रूप से शुद्ध SSMs की पुनर्प्राप्ति सीमाओं और पारंपरिक ट्रांसफॉर्मर्स की मेमोरी बाधाओं को दूर करता है।
यह शोध पत्र एक दोहरे-एजेंट सह-प्रशिक्षण ढांचे का प्रस्ताव करता है जो निहित प्रतिकूल वरीयता अनुकूलन (implicit adversarial preference optimization) के माध्यम से एक एआई स्वास्थ्य कोच और एक क्लाइंट सिम्युलेटर दोनों को संवादात्मक रूप से अनुकूलित करता है, जो प्रेरणादायक साक्षात्कार-आधारित स्वास्थ्य कोचिंग की गुणवत्ता और मापनीयता में सुधार करने के लिए एकतरफा प्रशिक्षण की सीमाओं को प्रभावी ढंग से दूर करता है।