27461 पेपर
यह योगदान SP-CCI पेश करता है, जो एक नवीन ढांचा है जो मौजूदा कॉन्फॉर्मल विधियों की तुलना में व्यक्तिगत काउंटरफैक्चुअल परिणामों के लिए संकीर्ण लेकिन सांख्यिकीय रूप से वैध प्रेडिक्शन इंटरवल (भविष्यवाणी अंतराल) उत्पन्न करने के लिए प्रीट्रेंड मॉडल्स द्वारा जनरेट किए गए सिंथेटिक काउंटरफैक्चुअल लेबल्स और इन्फरेंस-आधारित डिबायसिंग के माध्यम से सुधारे गए लेबल्स का लाभ उठाता है।
GraphWeave ग्राफ जनरेशन के लिए एक तेज़, व्याख्या योग्य और सुदृढ़ विधि है जो पैटर्न लर्निंग को ग्राफ निर्माण से अलग करके और ग्राफ संरचनाओं के संयुक्त अनुकूलन को निर्देशित करने के लिए रैंडम वॉक ट्रैजेक्टरीज का लाभ उठाकर मौजूदा दृष्टिकोणों से बेहतर प्रदर्शन करती है।
यह शोधपत्र फ्रिक्शनल क्यू-लर्निंग (Frictional Q-Learning) प्रस्तुत करता है, जो एक ऑफ-पॉलिसी सुदृढीकरण शिक्षण (reinforcement learning) एल्गोरिदम है जो रिप्ले बफर को एक सुचारू एक्शन मैनिफोल्ड के रूप में मॉडल करके और समर्थित स्पर्शरेखीय क्रियाओं (tangential actions) तथा असमर्थ अभिलंब घटकों (normal components) के बीच अंतर करने के लिए एक कंट्रास्टिव वेरिएशनल ऑटोएनकोडर का उपयोग करके एक्सट्रपलेशन त्रुटियों को कम करता है, जिससे स्थैतिक घर्षण (static friction) के समान एक स्थिरता स्थिति लागू होती है।
यह शोध पत्र एक अनुमानित ग्रीडी राउटर (approximate greedy router) प्रस्तावित करता है जो प्रत्येक पुनरावृत्ति (iteration) में शास्त्रीय और न्यूरल ऑपरेटरों के एक समूह (ensemble) से सबसे प्रभावी सॉल्वर को गतिशील रूप से चुनता है, जो पॉइसन (Poisson) और संवहन-विसरण (convection-diffusion) जैसे PDEs पर मौजूदा हाइब्रिड विधियों की तुलना में तेज़ अभिसरण (convergence) और कम अंतिम त्रुटि प्राप्त करने के लिए वास्तविक त्रुटि ज्ञान की आवश्यकता को सफलतापूर्वक दूर करता है।
यह शोध पत्र डीपमाइंड कंट्रोल सूट (DeepMind Control Suite) में मॉडल-बेस्ड पॉलिसी ऑप्टिमाइज़ेशन (MBPO) के प्रदर्शन पतन के मूल कारणों के रूप में स्केल मिसमैच (scale mismatch) और रेसिडुअल नेक्स्ट-स्टेट प्रेडिक्शन (residual next-state prediction) की पहचान करता है और एक न्यूनतम समाधान, "फिक्सिंग दैट फ्री लंच" (FTFL) प्रस्तावित करता है, जो MBPO की उसके नॉन-मॉडल-बेस्ड बेसलाइन पर श्रेष्ठता को बहाल करता है और यह प्रकट करता है कि कैसे बेंचमार्क-विशिष्ट धारणाएं मौलिक एल्गोरिद्मिक विफलताओं को छिपा सकती हैं।
यह शोध पत्र "ग्रेडिएंट गैप" (Gradient Gap) को पेश करके 'वेरिफिएबल रिवार्ड्स के साथ रिइन्फोर्समेंट लर्निंग' (RLVR) के लिए एक सैद्धांतिक आधार स्थापित करता है ताकि अभिसरण गतिकी (convergence dynamics) की व्याख्या की जा सके और एक महत्वपूर्ण स्टेप-साइज़ थ्रेशोल्ड (step-size threshold) को व्युत्पन्न किया जा सके जो यह निर्धारित करता है कि सीखना सफल होगा या विफल, जिससे लेंथ नॉर्मलाइजेशन (length normalization) जैसे व्यावहारिक ह्यूरिस्टिक्स और सफलता दरों के ठहराव के लिए एक सिद्धांत-आधारित स्पष्टीकरण प्राप्त होता है।
यह शोध पत्र सेंट्रलाइज्ड लर्निंग से सूक्ष्म क्रॉस-सैंपल मापन तकनीकों को अनुकूलित करके फेडरेटेड लर्निंग में इंट्रा- और इंटर-क्लाइंट प्रशिक्षण डेटा मेमोराइजेशन (स्मरण शक्ति) को मापने के लिए एक नवीन ढांचे का प्रस्ताव करता है, जो यह प्रकट करता है कि एफएल (FL) मॉडल विशिष्ट प्रशिक्षण और अनुमान कारकों से प्रभावित महत्वपूर्ण मेमोराइजेशन जोखिम प्रदर्शित करते हैं।
यह शोध पत्र यह प्रदर्शित करता है कि कॉज़ल बैंडिट्स (causal bandits) में रिग्रेट मिनिमाइजेशन (regret minimization) के लिए कॉज़ल पेरेंट सेट (causal parent set) को सीखना उप-इष्टतम (suboptimal) है क्योंकि ये दोनों उद्देश्य मौलिक रूप से परस्पर विरोधी हो सकते हैं, और ग्राफ रिकवरी (graph recovery) को दरकिनार करने वाले लगभग इष्टतम एल्गोरिदम प्रस्तावित करता है ताकि बेहतर प्रदर्शन प्राप्त किया जा सके।
यह शोधपत्र यह प्रदर्शित करता है कि विभिन्न कठिनाई स्तरों वाले कार्यों के मिश्रण पर प्रीट्रेन किए गए ट्रांसफॉर्मर, निश्चित कठिनाई वाले टेस्ट वितरणों पर नॉनपैरामीट्रिक रिग्रेशन और मल्टी-इंडेक्स मॉडल के लिए इष्टतम, कठिनाई-अनुकूल अभिसरण दर (convergence rates) प्राप्त करते हैं, जबकि ची-स्क्वायरडाइवर्जेंस (chi-squared divergence) द्वारा सीमित वितरण बदलावों (distribution shifts) के विरुद्ध मजबूती बनाए रखते हैं।
यह शोध पत्र न्यूरल ऑपरेटर वॉर्म स्टार्ट्स (NOWS) को पेश करता है, जो एक हाइब्रिड फ्रेमवर्क है जो क्लासिकल इटरेटिव सॉल्वर के लिए उच्च-गुणवत्ता वाले प्रारंभिक अनुमान (initial guesses) उत्पन्न करने के लिए सीखे गए सॉल्यूशन ऑपरेटर्स का लाभ उठाता है, जिससे मौजूदा संख्यात्मक बुनियादी ढांचों की स्थिरता और अभिसरण (convergence) की गारंटी को बनाए रखते हुए हाई-फिडेलिटी PDE सिमुलेशन को 90% तक त्वरित किया जा सकता है।