27461 पेपर
यह शोध पत्र फ्रोजन लेयर्स द्वारा सिमेंटिक फ़िल्टरिंग के कारण प्रीट्रेनिंग-फाइनट्यूनिंग प्रतिमान (पैराडाइम) के तहत मौजूदा अनलर्नेबल उदाहरणों की सीमाओं की पहचान करता है और विविध प्रशिक्षण सेटिंग्स में डेटा की अनलर्नेबिलिटी को प्रभावी ढंग से संरक्षित करने के लिए एक नवीन 'शैलो सिमेंटिक कैमौफ्लेज' रणनीति का प्रस्ताव करता है।
यह शोध पत्र प्रीट्रेनड डीप लर्निंग मॉडल्स के वेट्स (weights) के क्वांटाइजेशन स्टेट्स को फाइन-ट्यून करने के लिए एक इवोल्यूशनरी ऑप्टिमाइज़ेशन रणनीति प्रस्तावित करता है, जो यह प्रदर्शित करता है कि मानों (values) को मानक नियरएस्ट-नेबर राउंडिंग से दूर ले जाने से रिसोर्स-कंस्ट्रेंड एप्लिकेशन्स के लिए VGG, ResNet और ऑटोएनकोडर्स जैसे क्वांटाइज्ड आर्किटेक्चर की सटीकता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र DexSim2Real प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो डोमेन रैंडमाइजेशन के लिए विजन-लैंग्वेज फाउंडेशन मॉडल्स, टैक्टाइल-विजुअल क्रॉस-अटेंशन पॉलिसीज़ और प्रोग्रेसिव स्किल करिकुलम का लाभ उठाकर सिम-टू-रियल प्रदर्शन अंतराल को महत्वपूर्ण रूप से कम करता है, जिससे सामान्यीकरण योग्य डेक्सट्रस मैनिपुलेशन कार्यों में 78.2% औसत सफलता दर प्राप्त होती है।
यह शोध पत्र InfoTree को प्रस्तुत करता है, जो टूल-यूज़ एजेंटिक सुदृढीकरण शिक्षण (reinforcement learning) के लिए एक ट्रेनिंग-टाइम ट्री-सर्च फ्रेमवर्क है, जो रोलआउट सूचनात्मकता (rollout informativeness) को एक सबमॉड्यूलर मैक्सिमाइजेशन समस्या के रूप में औपचारिक रूप देता है ताकि एक अनिश्चितता-जागरूक चयन रणनीति (UUCB) और एक अनुकूली बजट आवंटक (adaptive budget allocator) प्राप्त किया जा सके, जिससे विविध रीजनिंग और टूल-यूज़ बेंचमार्क पर मजबूती और दक्षता बनाए रखते हुए मौजूदा विधियों से काफी बेहतर प्रदर्शन किया जा सके।
यह शोध पत्र एक नवीन बेयसियन कंजुगेट मॉडल पेश करता है जिसे ऑन्कोलॉजी मांग के रुझानों का सटीक पूर्वानुमान लगाने के लिए एक अवशिष्ट-आधारित बूस्टिंग तंत्र के साथ उन्नत किया गया है, जो ब्राजील के वास्तविक डेटा पर मूल्यांकन किए जाने पर ARIMA और LSTM जैसे स्थापित बेसलाइन की तुलना में रुझान पहचान में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोधपत्र गेटिंग तंत्र को एक स्टोकेस्टिक चैनल के रूप में मॉडल करके और रूटिंग सूचना को मापने के लिए डिस्क्रीट एंट्रॉपी एस्टिमेटर्स के साथ एक परिमित-विशेषज्ञ बैंक (finite-expert bank) का उपयोग करके, संसाधन-कुशल मिश्रण-विशेषज्ञों (Mixture-of-Experts) की प्रणालियों का विश्लेषण करने के लिए एक व्यावहारिक ढांचा प्रस्तावित करता है, जिससे सूचना-सैद्धांतिक मेट्रिक्स और सामान्यीकरण प्रदर्शन के बीच एक निरंतर संबंध स्थापित होता है।
यह शोधपत्र लार्ज लैंग्वेज मॉडल्स के लिए एक एट्रिब्यूशन-गाइडेड कॉन्टिनुअल फाइन-ट्यूनिंग फ्रेमवर्क प्रस्तावित करता है जो ग्रेडिएंट्स को नियंत्रित करने के लिए कार्य-विशिष्ट पैरामीटर महत्व का अनुमान लगाता है, जिससे नए कार्यों पर प्रदर्शन बनाए रखते हुए कैटास्ट्रोफिक फॉरगेटिंग को प्रभावी ढंग से कम किया जा सके।
यह शोध पत्र एनोटेटर पॉलिसी मॉडल्स (APMs) को प्रस्तुत करता है, जो एक व्याख्यात्मक ढांचा है जो परिचालन विफलताओं, नीतिगत अस्पष्टता और मूल्य बहुलवाद के बीच अंतर करने के लिए उनके लेबलिंग व्यवहार से सीधे एनोटेटर्स की आंतरिक सुरक्षा नीतियों का अनुमान लगाता है, जिससे अतिरिक्त एनोटेशन बोझ के बिना अधिक लक्षित और समावेशी सुरक्षा नीति डिजाइन सक्षम होती है।
यह शोध पत्र एक मल्टी-हेड ट्रांसफार्मर फ्रेमवर्क प्रस्तुत करता है जो डेटा सेंटर की बिजली, तापमान और आर्द्रता के उल्लंघन की 30 मिनट पहले भविष्यवाणी करने के लिए SLA नियमों को संरचित JSON के रूप में एनकोड करता है, जिससे वित्त, संचालन और अनुपालन के लिए भूमिका-विशिष्ट आउटपुट उत्पन्न होते हैं ताकि सक्रिय उपचार सक्षम हो सके और वित्तीय दंड को न्यूनतम किया जा सके।
यह शोध पत्र कॉपीकॉप (CopyCop) को प्रस्तुत करता है, जो एक सुदृढ़ एल्गोरिदम है जिसमें सैद्धांतिक गारंटी है कि यह ग्राफ न्यूरल नेटवर्क के स्वामित्व को सत्यापित करने के लिए यह पता लगाता है कि क्या दो अलग-अलग आर्किटेक्चर, भार (weights), या एम्बेडिंग आयामों वाले मॉडल स्वतंत्र रूप से प्रशिक्षित किए गए थे या उनमें से एक एक प्रतिकूल नकलची (adversarial copycat) है, जो 14 डेटासेट में मौजूदा वॉटरमार्किंग और फिंगरप्रिंटिंग विधियों से बेहतर प्रदर्शन करता है।