20386 पेपर
यह शोधपत्र मेडिक्स (Medix) का परिचय देता है, जो एक नवीन फ्रेमवर्क है जो अनलेबल वाइल्ड डेटा से आउटलेयर्स की पहचान करने के लिए मीडियन-आधारित रोबस्ट ग्रेडिएंट सांख्यिकी का लाभ उठाता है, जिससे एक उच्च-प्रदर्शन वाले आउट-ऑफ-डिस्ट्रीब्यूशन क्लासिफायर को प्रशिक्षित करना सक्षम होता है जो ओपन-वर्ल्ड सेटिंग्स में मौजूदा तरीकों से बेहतर प्रदर्शन करता है।
यह शोध पत्र यह प्रकट करता है कि जहाँ बेस मॉडल्स में तर्क करने के लिए अंतर्निहित तंत्र पहले से ही मौजूद होते हैं, वहीं रिइन्फोर्समेंट लर्निंग (Reinforcement Learning) के माध्यम से प्रशिक्षित "थिंकिंग" मॉडल्स मुख्य रूप से इन पूर्व-विद्यमान क्षमताओं को व्यवस्थित करने के लिए ह्यूरिस्टिक्स (heuristics) सीखते हैं, जबकि SFT-डिस्टिलेशन (SFT-distillation) के माध्यम से प्रशिक्षित मॉडल पूरी तरह से नए तर्क तंत्र (reasoning mechanisms) प्राप्त करते हैं।
यह शोध पत्र एटमबेंच (AtomBench) को प्रस्तुत करता है, जो पारंपरिक अतिचालकों (superconductors) पर जनरेटिव क्रिस्टल पुनर्निर्माण मॉडलों के बेंचमार्किंग के लिए एक ओपन-सोर्स, मॉडल-अज्ञेय (model-agnostic) ढांचा है, जो यह प्रकट करता है कि पुनर्निर्माण की सटीकता प्रदान की गई क्रिस्टलोग्राफिक जानकारी की मात्रा के आधार पर काफी भिन्न होती है और यह पहचानता है कि परमाणु निर्देशांकों (atomic coordinates) के लिए मैटरजेन (MatterGen) और जाली मापदंडों (lattice parameters) के लिए सीडीवीई (CDVAE) शीर्ष प्रदर्शन करने वाले मॉडल हैं।
यह शोध पत्र अर्दोस-रेनी (Erdős–Rényi) ग्राफों को सीखने के लिए एक तेज़ गैर-अनुकूली परीक्षण-डिकोडिंग योजना प्रस्तावित करता है जो की क्रम-इष्टतम (order-optimal) परीक्षण जटिलता प्राप्त करती है और बाइनरी स्प्लिटिंग दृष्टिकोण का विस्तार करके डिकोडिंग समय को तक महत्वपूर्ण रूप से सुधारती है।
यह शोध पत्र फिजिक्स-जियोमेट्री ऑपरेटर ट्रांसफॉर्मर (PGOT) का प्रस्ताव करता है, जो एक नवीन आर्किटेक्चर है जो स्पेक्ट्रम-प्रिजर्विंग जियोमेट्रिक अटेंशन और स्थानिक रूप से अनुकूलन योग्य रूटिंग को एकीकृत करके जटिल PDE मॉडलिंग में ज्यामितीय एलियासिंग (geometric aliasing) पर विजय प्राप्त करता है ताकि मानक बेंचमार्क और बड़े पैमाने के औद्योगिक डिजाइन कार्यों दोनों पर अत्याधुनिक प्रदर्शन प्राप्त किया जा सके।
KernelEvolve एक एजेंटिक फ्रेमवर्क है जो विविध डीप लर्निंग रिकमेंडेशन मॉडल्स के लिए विभिन्न हेट्रोजेनियस AI एक्सीलरेटरों पर उच्च-प्रदर्शन वाले कर्नेल के जनरेशन और ऑप्टिमाइज़ेशन को स्वचालित करता है, जो मौजूदा बेसलाइन्स की तुलना में पर्याप्त प्रदर्शन लाभ प्रदान करते हुए और शुद्धता सुनिश्चित करते हुए विकास के समय को काफी कम कर देता है।
यह शोध पत्र एक सैद्धांतिक विश्लेषण और अनुभवजन्य सत्यापन प्रस्तुत करता है जो यह प्रदर्शित करता है कि नॉलेज डिस्टिलेशन में टीचर के रूप में बेयसियन डीप लर्निंग मॉडल का उपयोग करने से सटीक या शोर वाले बेयस क्लास प्रोबेबिलिटीज (Bayes Class Probabilities) का लाभ उठाकर छात्र की सटीकता और अभिसरण स्थिरता (convergence stability) में सुधार होता है, जिससे नियतात्मक दृष्टिकोणों (deterministic approaches) की तुलना में विचरण (variance) कम होता है और सामान्यीकरण (generalization) बढ़ता है।
FlexAct एक नवीन फ्रेमवर्क पेश करता है जो प्रशिक्षण के दौरान पूर्व-निर्धारित सक्रियण फलनों (activation functions) के बीच अवकलनीय (differentiable), असतत चयन को सक्षम करने के लिए Gumbel-Softmax ट्रिक का उपयोग करता है, जिससे इनपुट से स्वतंत्र रूप से इष्टतम सक्रियणों को गतिशील रूप से सीखकर भविष्य कहनेवाला सटीकता और वास्तुशिल्प लचीलेपन को बढ़ाया जाता है।
यह शोध पत्र एक नियंत्रित अनुकूलन ढांचे (constrained optimization framework) का प्रस्ताव करता है जो एक प्रिमल-ड्यूल प्रशिक्षण योजना (primal-dual training scheme) के माध्यम से लेयरवाइज डिसेंट बाधाओं (layerwise descent constraints) को लागू करता है, जिससे ट्रांसफॉर्मर्स को परतों के माध्यम से लॉस (loss) को निरंतर कम करने और इन-डिस्ट्रीब्यूशन प्रदर्शन को बनाए रखते हुए बेहतर मजबूती और आउट-ऑफ-डिस्ट्रीब्यूशन सामान्यीकरण प्राप्त करने में सक्षम बनाया जा सके।
यह शोध पत्र GraphAllocBench प्रस्तुत करता है, जो एक नवीन शहर प्रबंधन सैंडबॉक्स पर आधारित एक लचीला और स्केलेबल बेंचमार्क है, जो अनुकूलन योग्य उद्देश्यों और नए मूल्यांकन मेट्रिक्स को प्रदान करके मौजूदा मल्टी-ऑब्जेक्टिव रीइन्फोर्समेंट लर्निंग परीक्षणों की सीमाओं को संबोधित करता है ताकि प्रेफरेंस-कंडीशन्ड पॉलिसी लर्निंग एल्गोरिदम का बेहतर आकलन किया जा सके।