19766 पेपर
Mage-Flow एक कॉम्पैक्ट 4B-स्केल फाउंडेशन मॉडल परिवार है जो एक हल्के उच्च-निष्ठा वाले VAE, एक नेटिव-रिज़ॉल्यूशन डिफ्यूजन ट्रांसफार्मर और सिस्टम-स्तरीय अनुकूलन के सह-डिज़ाइन के माध्यम से कुशल, उच्च-रिज़ॉल्यूशन टेक्स्ट-टू-इमेज जनरेशन और निर्देश-आधारित संपादन प्राप्त करता है, जो एक सिंगल GPU पर अल्ट्रा-लो लेटेंसी के साथ प्रतिस्पर्धी प्रदर्शन प्रदान करता है।
यह शोध पत्र GEqTrain को प्रस्तुत करता है, जो एक कॉन्फ़िगरेशन-संचालित ढांचा (framework) है जो डिक्लेरेटिव हाइड्रा (Hydra) कॉन्फ़िगरेशन के माध्यम से डेटासेट सिमेंटिक्स, मॉडल कंपोजिशन और ट्रेनिंग ऑब्जेक्टिव्स को अलग करके विविध 3D वैज्ञानिक कार्यों और जनरेटिव अनुप्रयोगों में इक्विवेरिएंट ग्राफ न्यूरल नेटवर्क के कुशल रिटारगेटिंग को सक्षम बनाता है।
यह शोध पत्र एक हाइब्रिड ब्रोमली-MCM मॉडल प्रस्तुत करता है जो भौतिकी-आधारित ब्रोमली समीकरण को मशीन लर्निंग मैट्रिक्स पूर्णता विधि के साथ जोड़ता है ताकि एक विरल प्रायोगिक डेटासेट से लुप्त मापदंडों का अनुमान लगाकर हजारों अनअध्ययन जलीय इलेक्ट्रोलाइट्स के आयनिक और ऑस्मोटिक गतिविधि गुणांकों की भविष्यवाणी की जा सके।
यह शोध पत्र एक विशिष्ट मल्टी-जेनरेटर GAN फ्रेमवर्क प्रस्तावित करता है जो पारंपरिक असंतुलन-निवारण विधियों की सीमाओं को संबोधित करता है, जो यथार्थवादी, विफलता-प्रकार-विशिष्ट सिंथेटिक नमूने उत्पन्न करके प्रेडिक्टिव मेंटेनेंस सिस्टम में दुर्लभ, गैर-समांगी मशीन विफलताओं का पता लगाने में महत्वपूर्ण सुधार करता है।
यह शोध पत्र न्यूरल कोलमोगोरोव समीकरणों (NKEs) को प्रस्तुत करता है, जो एक नियतात्मक, अनंत-आयामी ढांचा है जो प्रायिकता घनत्व विकास (probability density evolution) को मॉडल करने के लिए न्यूरल SDEs को पुनर्गठित करता है, जिससे सामान्य लेवी-प्रकार के शोर (Lévy-type noise) को सीखना सक्षम होता है और मौजूदा ऑटोरेग्रेसिव दृष्टिकोणों की तुलना में बेहतर दक्षता और सटीकता के लिए समय-में-समानांतर (parallel-in-time) प्रशिक्षण प्राप्त होता है।
यह शोध पत्र स्विस कानूनी मशीन अनुवाद में छोटे भाषा मॉडलों को बेहतर बनाने के लिए सुपरवाइज्ड फाइन-ट्यूनिंग और सत्यापन योग्य पुरस्कारों के साथ सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) सहित विभिन्न पुन: प्रशिक्षण प्रतिमानों का मूल्यांकन और तुलना करता है, जिसमें यह पाया गया है कि हालांकि सुदृढीकरण शिक्षण फाइन-ट्यूनिंग से बेहतर प्रदर्शन करता है और फ्रंटियर रीजनिंग मॉडलों के साथ अंतर को कम करता है, फिर भी यह उनके प्रदर्शन से पीछे रह जाता है और मॉडल का आकार बढ़ने के साथ घटते प्रतिफल (डिमिमिनिशिंग रिटर्न्स) देता है।
यह शोधपत्र 'कंजर्वेटिव क्वेरी एंड एडेप्टिव रेगुलराइजेशन अंडर अनसर्टेन्टी एस्टीमेशन' नामक एक लाइटवेट फ्रेमवर्क प्रस्तावित करता है, जो सूचनात्मक प्राथमिकता प्रश्नों (इंफॉर्मेटिव प्रेफरेंस क्वेरीज) के मार्गदर्शन और डेटा-स्तरीय बाधाओं को गतिशील रूप से समायोजित करने के लिए मोर्स नेटवर्क का लाभ उठाता है, जिससे D4RL बेंचमार्क पर ऑफलाइन सुदृढीकरण लर्निंग (ऑफलाइन रीइन्फोर्समेंट लर्निंग) के प्रदर्शन को बढ़ाया जा सके।
यह शोध पत्र न्यूरल मशीन ट्रांसलेशन के लिए 'वेरिफिएबल रिवॉर्ड्स' (सत्यापनीय पुरस्कारों) के साथ सुदृढीकरण शिक्षण (Reinforcement Learning) में लागत-गुणवत्ता के बीच के संतुलन की जांच करता है, जो यह प्रदर्शित करता है कि अतिरिक्त आउटपुट टोकन उत्पन्न करने की बढ़ी हुई कम्प्यूटेशनल लागत के बावजूद, अनुमान (inference) के दौरान रीजनिंग ट्रेसेस (तर्क पथों) को शामिल करने से अनुवाद की गुणवत्ता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र S3 का प्रस्ताव करता है, जो एक पदानुक्रमित सुदृढीकरण शिक्षण (hierarchical reinforcement learning) विधि है जो एक मिक्सचर डेंसिटी नेटवर्क (Mixture Density Network) के माध्यम से मॉडल किए गए मोटे, बहु-चरणीय परिवेश संक्रमणों की भविष्य कहनेवाला अनिश्चितता को कम करने वाले एक डायनेमिक्स-जागरूक आंतरिक पुरस्कार को पेश करके गैर-स्थिर दीर्घ-अवधि परिवेशों में उच्च-स्तरीय उपलक्ष्य चयन को स्थिर करता है।
यह शोध पत्र DBMol को प्रस्तुत करता है, जो एक नवीन ढांचा (framework) है जो संदर्भ-लिगैंड पर्यवेक्षण के बिना, उच्च-आत्मीयता (high-affinity) वाले, लक्ष्य-विशिष्ट लघु अणुओं को विना-निर्मित (de novo) करने के लिए एक वैकल्पिक अनुकूलन और प्रक्षेपण प्रक्रिया को निर्देशित करने हेतु Boltz-2 और AlphaFold-3 जैसे उन्नत संरचना भविष्यवाणी मॉडलों का लाभ उठाता है।