28152 पेपर
PerCaM-Health एक नवीन ढांचा है जो ज्ञान-निर्देशित जनसंख्या संरचना के रूढ़िवादी अनुकूलन के माध्यम से व्यक्तिगत, समय-परिवर्तनीय कारण ग्राफ सीखकर जनसंख्या-स्तर और रोगी-विशिष्ट कारण मॉडलिंग के बीच के अंतर को पाटता है, जिससे व्यक्तिगत स्वास्थ्य देखभाल हस्तक्षेपों के लिए अधिक विश्वसनीय प्रतितथ्यात्मक तर्क (counterfactual reasoning) सक्षम होता है।
यह शोध पत्र MIPIAD को प्रस्तुत करता है, जो अप्रत्यक्ष प्रॉम्प्ट इंजेक्शन हमलों के विरुद्ध एक बहुभाषी रक्षा ढांचा है, जो अंग्रेजी और बांग्ला के बीच क्रॉस-लिंगुअल प्रदर्शन अंतराल को कम करने और उच्च पहचान सटीकता प्राप्त करने के लिए TF-IDF विशेषताओं और मेटा-एन्सेम्बल लर्निंग के साथ एक LoRA-फाइन-ट्यून किए गए Qwen2.5 क्लासिफायर को जोड़ता है।
यह शोध पत्र **bispectrum** को प्रस्तुत करता है, जो एक ओपन-सोर्स PyTorch लाइब्रेरी है जो कम-डेटा, मध्यम-क्षमता वाले डीप लर्निंग परिदृश्यों में मौजूदा पूलिंग विधियों की तुलना में निरंतर प्रदर्शन सुधार प्रदर्शित करते हुए, सात ग्रुप एक्शन्स के लिए कुशल, चयनात्मक -बिसस्पेक्ट्रा को लागू करके लगभग-सटीक इनवेरिएंस (invariance) प्राप्त करने के लिए बनाया गया है।
यह शोधपत्र द्विभाजन मॉडल (bifurcation models) प्रस्तुत करता है, जो एक वेट-टाइड डायनामिकल फ्रेमवर्क है जो एक एकल मनमाने ब्रांच के बजाय एक अट्रैक्टर लैंडस्केप को प्रदर्शित करके सेट-वैल्यूड सॉल्यूशन मैप्स सीखता है, जिससे मैनुअल सेलेक्टर्स की अनियमितता से बचा जा सके और फ्रस्ट्रेटेड आइसिंग मॉडल्स जैसी समस्याओं के लिए कई वैध इक्विलिब्रिया की खोज करने में बेहतर प्रदर्शन प्रदर्शित किया जा सके।
Mask2Cause एक एंड-टू-एंड डीप लर्निंग फ्रेमवर्क है जो टाइम सीरीज़ फोरकास्टिंग के दौरान सीधे कॉज़ल ग्राफ को रिकवर करने के लिए एडजसेंसी-कंस्ट्रेंड मास्क्ड अटेंशन और इनवर्टेड वेरिएबल एम्बेडिंग्स को एकीकृत करता है, जिससे मॉडल की जटिलता को काफी कम करते हुए स्टेट-ऑफ-द-आर्ट डिस्कवरी सटीकता प्राप्त होती है।
यह शोध पत्र "कन्वर्जेंस गैप" (convergence gap) डायग्नोस्टिक को प्रस्तुत करता है ताकि यह प्रदर्शित किया जा सके कि इंस्ट्रक्शन-ट्यून्ड लैंग्वेज मॉडल्स अपने प्रीट्रेन्ड समकक्षों की तुलना में फॉरवर्ड पास के दौरान अपने नेक्स्ट-टोकन प्रेडिक्शन्स को बाद में स्थिर करते हैं, जो मुख्य रूप से लेट एमएलपी (late MLP) लेयर्स में होने वाली गणनाओं द्वारा संचालित होता है।
यह शोध पत्र एक प्रथम-विचलन क्रॉस-पैचिंग डायग्नोस्टिक के माध्यम से यह प्रदर्शित करता है कि निर्देश-ट्यून किए गए मॉडल व्यवहार उत्पन्न करने के लिए अपने स्वयं के पोस्ट-ट्रेन अपस्ट्रीम स्टेट्स और लेट-लेयर स्टैक्स के बीच एक सहक्रियात्मक अंतःक्रिया पर निर्भर करते हैं, न कि ऐसी लेट लेयर्स पर जो विभिन्न प्रशिक्षण इतिहासों में स्वतंत्र रूप से या पोर्टेबली कार्य करती हों।
यह शोध पत्र मल्टी-लेयर ट्रांसफॉर्मर्स के लिए स्पेक्ट्रम-अनुकूलित पोस्ट हॉक सामान्यीकरण सीमाएं (post hoc generalization bounds) व्युत्पन्न करता है जो स्पेक्ट्रल जटिलता और आयाम एवं गहराई कारकों के बीच संतुलन बनाने के लिए सीखे गए सिंगुलर-वैल्यू प्रोफाइल्स का लाभ उठाते हैं, जो मौजूदा नॉर्म-आधारित दृष्टिकोणों की तुलना में अधिक सटीक गारंटी प्रदान करते हैं।
यह शोध पत्र फ्लक्स मैचिंग (Flux Matching) का परिचय देता है, जो एक नवीन जनरेटिव मॉडलिंग प्रतिमान है जो कंजर्वेटिव वेक्टर फील्ड्स की आवश्यकता को शिथिल करके स्कोर-आधारित मॉडलों का सामान्यीकरण करता है, जिससे इंडक्टिव बायस (inductive biases) को शामिल करने में अधिक लचीलापन और तेज़ सैंपलिंग एवं व्याख्या योग्य डायनेमिक्स जैसे अनुप्रयोगों को सक्षम बनाया जा सके।
यह शोध पत्र एक ऐसा प्रथम सैद्धांतिक ढांचा प्रदान करता है जो यह प्रदर्शित करता है कि मानक सॉफ्टमैक्स ट्रांसफॉर्मर (softmax Transformers) उनके लेयरवाइज फॉरवर्ड पास को एक नवीन भारित सॉफ्टमैक्स टेम्पोरल डिफरेंस (weighted softmax temporal difference) एल्गोरिदम के समान मानकर इन-कॉन्टेक्स्ट सुदृढीकरण शिक्षण (in-context reinforcement learning) को लागू करते हैं, जो उनके अभिसरण गुणों (convergence properties) और प्रीट्रेनिंग के दौरान इष्टतम मापदंडों के उद्भव दोनों की व्याख्या करता है।