20386 पेपर
यह शोध पत्र स्पार्स डेल्टा मेमोरी (SDM) को प्रस्तुत करता है, जो एक नवीन आर्किटेक्चर है जो फिक्स्ड कंप्यूटेशनल कॉस्ट और पैरामीटर काउंट को बनाए रखते हुए, लॉन्ग-कॉन्टेक्स्ट रिकॉल और इन-कॉन्टेक्स्ट लर्निंग प्रदर्शन को महत्वपूर्ण रूप से सुधारने के लिए स्पार्स एड्रेसिंग के माध्यम से गेटेड लीनियर RNN की हिडन स्टेट क्षमता को स्केल करता है।
TF-Engram एक ट्रेन-फ्री सिस्टम है जो तथ्यात्मक सटीकता और डोमेन प्रदर्शन को बेहतर बनाने के साथ-साथ GPU मेमोरी उपयोग और इन्फरेंस लेटेंसी को कम करने के लिए प्रेडिक्टिव प्रीफेचिंग के साथ SSD-बैकड, वाक्यांश-विशिष्ट सिमेंटिक मेमोरी को एकीकृत करके लार्ज लैंग्वेज मॉडल्स को उन्नत करता है।
यह शोध पत्र ARGTCA का प्रस्ताव करता है, जो एक ग्राफ-आधारित फ्रेमवर्क है जो एक सिम्बोलिक एट्रिब्यूट ग्राफ और ग्राफ अटेंशन नेटवर्क के माध्यम से अंतर-विशेषता निर्भरताओं (inter-attribute dependencies) को मॉडल करता है ताकि टेस्ट-टाइम अडैप्टेशन के दौरान विजन-लैंग्वेज मॉडल्स के कैलिब्रेशन में महत्वपूर्ण सुधार किया जा सके, जो उन मौजूदा तरीकों से बेहतर प्रदर्शन करता है जो विशेषताओं को स्वतंत्र रूप से मानते हैं।
यह शोध पत्र एक हेटेरोजेनिटी-अडैप्टिव डिफ्यूजन श्रोडिंगर ब्रिज (HA-DSB) फ्रेमवर्क प्रस्तावित करता है जो होल-बॉडी एमआरआई ट्रांसलेशन में शारीरिक विषमता (एनाटॉमिकल हेटेरोजेनिटी) को दूर करने और रोग संबंधी निष्ठा (पैथोलॉजिकल फिडेलिटी) को बढ़ाने के लिए PET-निर्देशित मेटाबॉलिक प्रायर्स और विजन-लैंग्वेज मॉडल एम्बेडिंग्स का लाभ उठाता है, जिससे PET-MR स्कैन के लंबे अधिग्रहण समय की समस्या का समाधान होता है।
यह शोध पत्र एक व्यवस्थित अनुभवजन्य अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि जैविक रूप से सूचित न्यूरल नेटवर्क में यांत्रिक ऑपरेटरों की विश्वसनीय रिकवरी, मध्यम अभिव्यंजक आर्किटेक्चर, मध्यवर्ती लर्निंग रेट्स, संतुलित लॉस वेटिंग और मध्यवर्ती बैच आकारों के माध्यम से प्रतिस्पर्धी उद्देश्यों को संतुलित करने पर निर्भर करती है, साथ ही प्रभावी जैविक मॉडल खोज के लिए सामान्य विफलता मोड की पहचान करने हेतु व्यावहारिक डायग्नोस्टिक्स प्रदान करती है।
यह शोध पत्र "पेनलाइज द पाथ, रिवॉर्ड द आउटकम" (RLVP) ढांचे का प्रस्ताव करता है, जो बाधाओं को लागू करने और महंगी विफलताओं को कम करने के लिए सत्यापन योग्य दंडों के साथ परिणाम-आधारित पुरस्कारों को जोड़कर वास्तविक दुनिया के एजेंटों की तैनात करने की क्षमता और नमूना दक्षता को बढ़ाता है।
यह शोध पत्र पहली बार एक व्यवस्थित बेंचमार्क प्रस्तुत करता है जो यह मूल्यांकन करता है कि डिफरेंशियल प्राइवेट सिंथेटिक टैबुलर डेटा पर प्री-, इन-, और पोस्ट-प्रोसेसिंग निष्पक्षता हस्तक्षेप (fairness interventions) कैसे प्रदर्शन करते हैं, जिससे यह पता चलता है कि पोस्ट-प्रोसेसिंग विधियाँ निष्पक्षता, उपयोगिता और गोपनीयता के बीच सबसे स्थिर संतुलन प्रदान करती हैं।
यह शोध पत्र FourierQK प्रस्तुत करता है, जो एक ऐसी विधि है जो ट्रांसफॉर्मर में क्वेरी-की प्रोजेक्शन (query-key projections) पर FFT-आधारित स्पेक्ट्रल प्रीप्रोसेसिंग लागू करती है, जिससे मानक अटेंशन मैकेनिज्म को प्रतिस्थापित किए बिना मल्टी-स्केल डिपेंडेंसीज को कैप्चर करने के लिए ग्लोबल फ्रीक्वेंसी-डोमेन मिक्सिंग का लाभ उठाते हुए, कैरेक्टर-लेवल लैंग्वेज मॉडलिंग में महत्वपूर्ण प्रदर्शन लाभ प्राप्त किया जाता है।
यह शोध पत्र सिंगल-रोलआउट एसिंक्रोनस ऑप्टिमाइजेशन (SAO) को प्रस्तुत करता है, जो एक स्थिर और कुशल एसिंक्रोनस सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) ढांचा है जो ग्रुप-वाइज सैंपलिंग को सिंगल-रोलआउट रणनीतियों से बदल देता है और जटिल कोडिंग एवं रीजनिंग बेंचमार्क पर GLM-5.2 जैसे बड़े पैमाने के एजेंटिक मॉडलों को सफलतापूर्वक प्रशिक्षित करने के लिए सख्त टोकन-लेवल क्लिपिंग का उपयोग करता है।
यह शोध पत्र ग्राफ न्यूरल नेटवर्क द्वारा पैरामीटराइज्ड निरंतर जनरेटिव फ्लो मॉडल्स की स्थिरता का विश्लेषण करता है, जो संरचनात्मक व्यवधानों (structural perturbations) के जनरेटित संकेतों पर पड़ने वाले प्रभावों पर स्पष्ट सीमाएँ निर्धारित करता है और एक नियमित प्रशिक्षण रणनीति प्रस्तावित करता है जो आउटपुट की गुणवत्ता से समझौता किए बिना ग्राफ शोर के प्रति मजबूती को बढ़ाता है।