28284 पेपर
यह शोध पत्र i.i.d. और मार्कोवियन सैंपलिंग व्यवस्थाओं के तहत एसिंक्रोनस, सिंगल-स्टेट कैटेगोरिकल टेम्पोरल-डिफरेंस लर्निंग के लिए नॉन-एसिम्प्टोटिक अभिसरण गारंटी स्थापित करके मौजूदा फाइनाइट-इटरेशन थ्योरी और व्यावहारिक कार्यान्वयन के बीच के अंतर को पाटता है।
यह शोध पत्र अनऑब्ज़र्वेबल मेमोरी स्टेट्स वाले यूलर-लैग्रेंज सिस्टम के एडेप्टिव कंट्रोल के लिए एक टेम्पोरल अटेंशन-आधारित मेटा-कंट्रोल आर्किटेक्चर प्रस्तावित करता है, जो यह प्रदर्शित करता है कि जबकि एक स्टैटिक अटेंशन-हेड सिलेक्शन स्ट्रैटेजी शॉर्ट-टू-मैच्ड मेमोरी रिजीम्स में डीपर ट्रांसफॉर्मर बेसलाइन्स से बेहतर प्रदर्शन करती है, यह लॉन्ग-मेमोरी परिदृश्यों में विफल हो जाती है, जिससे रनटाइम हेड प्रूनिंग और ग्रोथ के लिए एक डायनेमिक, रिइन्फोर्समेंट-लर्निंग-इंटीग्रेटेड दृष्टिकोण को प्रेरित किया जा सके।
यह शोध पत्र Evo-PU को प्रस्तुत करता है, जो एक पॉजिटिव-अनलेबल लर्निंग फ्रेमवर्क है जो विभिन्न वायरल डेटासेट्स में प्रोटीन कार्यक्षमता की भविष्यवाणी करने के लिए विकासवादी उत्परिवर्तन प्रक्रियाओं (evolutionary mutation processes) के माध्यम से सर्वाइवरशिप बायस (survivorship bias) को स्पष्ट रूप से मॉडल करता है ताकि मौजूदा तरीकों से काफी बेहतर प्रदर्शन किया जा सके।
यह शोध पत्र REPR-ALIGN को प्रस्तुत करता है, जो एक ऐसी विधि है जो डिफ्यूजन लैंग्वेज मॉडल्स के प्रशिक्षण को उनके हिडन स्टेट्स (hidden states) को एक फ्रोजन ऑटोरेग्रेसिव मॉडल के हिडन स्टेट्स के साथ संरेखित करके त्वरित करती है, जिससे सीखे गए सिमेंटिक रिप्रेजेंटेशन्स (semantic representations) को संरक्षित किया जा सके और बिना किसी आर्किटेक्चरल बदलाव या अतिरिक्त पैरामीटर्स के कुशल अनुकूलन को सक्षम बनाया जा सके।
यह शोध पत्र एक डेटा-केंद्रित ढांचे को प्रस्तुत करता है जो इमेज सेगमेंटेशन में लेबल पूर्वाग्रह का पता लगाने और उसे कम करने के लिए कॉन्फिडेंट लर्निंग को अनुकूलित करता है, जो व्यवस्थित त्रुटियों और फीचर स्पेस आर्टिफैक्ट्स की पहचान करने के लिए मॉडल के कॉन्फिडेंट प्रेडिक्शन का लाभ उठाता है, जिससे बिना किसी स्वच्छ, निष्पक्ष ग्राउंड ट्रुथ लेबल की आवश्यकता के जनसांख्यिकीय उपसमूहों में समान प्रदर्शन प्राप्त किया जा सके।
यह शोध पत्र अवतल कवरेज समस्याओं (concave coverage problems) के लिए एक त्वरित रिलैक्स-एंड-राउंड एल्गोरिदम प्रस्तुत करता है जो रैखिक प्रोग्रामिंग को प्रक्षिप्त त्वरित ग्रेडिएंट विधियों (projected accelerated gradient methods) से बदल देता है और बेहतर रनिंग टाइम तथा सटीक सन्निकटन अनुपात (approximation ratios) प्राप्त करने के लिए एक विशिष्ट हाइपरसिम्प्लेक्स राउंडिंग योजना का उपयोग करता है, जो प्रयोगों में अत्याधुनिक एलपी सॉल्वर (LP solvers) से बेहतर प्रदर्शन करता है।
यह शोध पत्र "कंजर्वेटिव फ्लोज़" (Conservative Flows) को प्रस्तुत करता है, जो एक नया जनरेटिव मॉडलिंग प्रतिमान है जो शोर (noise) के बजाय डेटा-समर्थित अवस्थाओं से आरंभ होकर विविक्त स्टोकेस्टिक डायनेमिक्स (discrete stochastic dynamics) का उपयोग करके मौजूदा फ्लो-आधारित मॉडलों में सुधार करता है, और विभिन्न डेटासेटों में जनरेशन की गुणवत्ता को निरंतर बढ़ाने के लिए प्रायिकता-संरक्षण सैंपलिंग तंत्रों का उपयोग करता है।
यह शोध पत्र DIAL को प्रस्तुत करता है, जो एक दिशा-सूचित अनुकूलन शिक्षण ढांचा (direction-informed adaptive learning framework) है जो काउंटरफैक्चुअल अन्वेषण (counterfactual exploration) के माध्यम से पर्यावरण-विशिष्ट उपयोगिता दिशाओं को सीखकर LLM एजेंटों में स्थिर-दिशा गेटिंग संकेतों की अस्थिरता को दूर करता है, जिससे विविध सेटिंग्स में एक बेहतर सफलता-लागत संतुलन प्राप्त होता है।
यह शोध पत्र एक द्वि-स्तरीय (dual-scale) टेम्पोरल फ्यूजन फ्रेमवर्क प्रस्तुत करता है जो कैलेंडर-संरेखित जलवायु संदर्भ और हालिया मौसम के विकास के बीच संरचित अंतर्संबंध को स्पष्ट रूप से मॉडल करके उप-मौसमी से मौसमी तापमान पूर्वानुमान को बढ़ाता है, जिससे यह प्रकट होता है कि पूर्वानुमान कौशल मुख्य रूप से सरल लीड-टाइम क्षय के बजाय टेम्पोरल स्केल प्रभुत्व के मौसम- और भूगोल-निर्भर बदलावों द्वारा निर्धारित होता है।
यह शोध पत्र 'यू ओनली स्टैक वन्स' (YOSO) को प्रस्तुत करता है, जो एक नवीन डीप-लर्निंग पाइपलाइन है जो अत्यंत कम फॉल्स पॉजिटिव रेट के साथ मंद, धीमी गति वाले सौर मंडल के पिंडों को कुशलतापूर्वक खोजने के लिए एक 'गौसियन मोशन फिल्टर' का उपयोग करती है, जो बड़े पैमाने के खगोलीय सर्वेक्षणों के लिए पारंपरिक 'शिफ्ट-एंड-स्टैक' विधियों के एक स्केलेबल विकल्प के रूप में कार्य करती है।