28284 पेपर
यह शोध पत्र मॉडल-आधारित सुदृढीकरण aprendizaje (reinforcement learning) पर सीखे गए गतिकी (dynamics) और रिवॉर्ड मॉडल की त्रुटियों के प्रभाव का विश्लेषण करता है, अनुकूल नमूना आवंटन रणनीतियों को व्युत्पन्न करता है और नीति अनुकूलन (policy optimization) के लिए महंगी, कम-शोर वाली रिवॉर्ड्स बनाम सस्ती, शोर वाली रिवॉर्ड्स के उपयोग के बीच के ट्रेडऑफ़ को स्पष्ट करता है।
यह शोध पत्र GLoRA को प्रस्तुत करता है, जो एक गेज-अवेयर (gauge-aware) फेडरेटेड लर्निंग फ्रेमवर्क है जो एक सर्वसम्मत अपडेट सबस्पेस का अनुमान लगाकर और साझा संदर्भ निर्देशांकों (shared reference coordinates) में अपडेट को एकत्रित करके मौजूदा LoRA एकत्रीकरण में मौजूद सिमेंटिक मिसमैच को हल करता है, जिससे बिना किसी डेंस रिकंस्ट्रक्शन (dense reconstruction) की आवश्यकता के विषम क्लाइंट वातावरण में बेहतर प्रदर्शन और रैंक अनुकूलता प्राप्त होती है।
यह शोध पत्र Gated QKAN-FWP का प्रस्ताव करता है, जो एक स्केलेबल और पैरामीटर-कुशल क्वांटम-प्रेरित अनुक्रम शिक्षण ढांचा है जो बड़े रिकरेंट मॉडलों की तुलना में क्लासिकल बेंचमार्क और वास्तविक NISQ हार्डवेयर दोनों पर बेहतर लॉन्ग-होराइजन पूर्वानुमान सटीकता प्राप्त करने के लिए फास्ट वेट प्रोग्रामर्स को सिंगल-क्विबिट क्वांटम कोलमोगोरोव-आर्नोल्ड नेटवर्क के साथ एकीकृत करता है।
यह शोध पत्र STDA-Net का प्रस्ताव करता है, जो एक स्पेक्ट्रोग्राम-आधारित अनसुपरवाइज्ड डोमेन अडैप्टेशन फ्रेमवर्क है जो कई डेटासेट्स में मौजूदा 1D सिग्नल-आधारित विधियों से बेहतर प्रदर्शन करने के लिए CNNs, BiLSTMs और एडवर्सरियल लर्निंग को एकीकृत करता है ताकि सुदृढ़ और स्थिर क्रॉस-डेटासेट स्लीप स्टेज वर्गीकरण प्राप्त किया जा सके।
यह शोधपत्र ज्योमेट्रिक कोल्मोगोरोव-आर्नोल्ड नेटवर्क (GeoKANs) का परिचय देता है, जो मॉडलों का एक परिवार है जो इनपुट निर्देशांकों को विकृत करने के लिए एक विकर्ण रीमानियन मीट्रिक (diagonal Riemannian metric) सीखने के माध्यम से फलन सन्निकटन (function approximation) और भौतिकी-सूचित शिक्षण (physics-informed learning) को उन्नत करते हैं, जिससे तीव्र, कठोर और गैर-समान शासन (sharp, stiff, and non-uniform regimes) को बेहतर ढंग से संभालने के लिए प्रतिनिधित्व संबंधी रिज़ॉल्यूशन को गतिशील रूप से पुनर्वितरित किया जाता है।
यह शोध पत्र विश्वास-स्थान गतिकी (belief-space dynamics) में स्वीकार्य लर्निंग-रेट स्टेप्स के लिए एक क्लोज्ड-फॉर्म अपर बाउंड व्युत्पन्न करता है, जहाँ अपडेट को संभाव्यता सिम्प्लेक्स (probability simplex) पर प्रोजेक्टेड फॉरवर्ड स्टेप्स के रूप में मॉडल किया गया है, और स्वीकार्यता को नेचुरल KL/ब्रेगमैन ज्यामिति (natural KL/Bregman geometry) में कॉन्ट्रैक्टिविटी के रूप में परिभाषित किया गया है।
यह शोध पत्र ग्रेडिएंट एक्सट्रैपोलेशन-आधारित पॉलिसी ऑप्टिमाइज़ेशन (GXPO) का प्रस्ताव करता है, जो GRPO-शैली के रीजनिंग RL के लिए एक प्लग-कम्पैटिबल विधि है, जो बिना किसी नए रोलआउट की आवश्यकता के, केवल तीन बैकवर्ड पास का उपयोग करके महंगे मल्टी-स्टेप लुकअहेड्स का अनुमान लगाता है ताकि pass@1 प्रदर्शन और प्रशिक्षण दक्षता में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र 'वेब्लिका' (Weblica) का परिचय देता है, जो एक ऐसा फ्रेमवर्क है जो स्केलेबल और पुनरुत्पादक (reproducible) वेब वातावरण बनाने के लिए HTTP-स्तरीय कैशिंग और LLM-आधारित संश्लेषण (synthesis) का लाभ उठाता है, जिससे वेब्लिका-8B मॉडल को प्रशिक्षित करना सक्षम होता है जो विजुअल वेब नेविगेशन कार्यों में मौजूदा ओपन-वेट बेसलाइनों से बेहतर प्रदर्शन करता है।
यह शोधपत्र Louver को प्रस्तुत करता है, जो एक नवीन, हार्डवेयर-अनुकूलित इंडेक्स है जो स्पार्स अटेंशन (sparse attention) को हाफस्पेस रेंज सर्चिंग समस्या के रूप में पुनर्गठित करता है ताकि KV कैश रिट्रीवल में शून्य फॉल्स नेगेटिव (false negatives) की गारंटी दी जा सके, जिससे मौजूदा स्पार्स और डेंस अटेंशन विधियों की तुलना में बेहतर सटीकता और रनटाइम दक्षता प्राप्त की जा सके।
यह शोध पत्र मोंगे इनसेप्शन डिस्टेंस (MIND) का प्रस्ताव करता है, जो एक जनरेटिव मॉडल मूल्यांकन मीट्रिक है जो मानक फ्रैच इनसेप्शन डिस्टेंस (FID) की तुलना में बेहतर सैंपल दक्षता, गणनात्मक गति और एडवरसेरियल हमलों के विरुद्ध मजबूती प्राप्त करने के लिए स्लाइसड वासरस्टीन डिस्टेंस का लाभ उठाता है।