20386 पेपर
यह शोध पत्र PDE खोज के लिए एक कठोर प्रतितथ्यात्मक (counterfactual) ढांचे को प्रस्तुत करता है जो पहचान क्षमता (identifiability), छंटनी (pruning) और प्रासंगिकता (relevance) पर छह सैद्धांतिक प्रमेयों के माध्यम से अवशिष्ट-फिटिंग (residual-fitting) पदों और कार्यात्मक रूप से आवश्यक ऑपरेटरों के बीच अंतर करता है, जिसे सिंथेटिक और वास्तविक भूभौतिकीय डेटा दोनों पर सत्यापित किया गया है।
यह शोधपत्र Active-MoSH को प्रस्तुत करता है, जो एक संवादात्मक ढांचा (interactive framework) है जो स्थानीय संभाव्य वरीयता शिक्षण (local probabilistic preference learning) को वैश्विक संवेदनशीलता विश्लेषण (global sensitivity analysis) के साथ जोड़ता है ताकि उच्च-दांव वाले बहु-उद्देश्यीय समस्याओं में निर्णयकर्ताओं को सॉफ्ट और हार्ड सीमाओं के भीतर समाधानों को पुन: परिष्कृत करते हुए कुशलतापूर्वक निर्देशित किया जा सके, साथ ही यह सुनिश्चित किया जा सके कि बेहतर विकल्पों की अनदेखी न हो।
यह शोध पत्र बेयसियन इनवेरिएंट प्रेडिक्शन (BIP) प्रस्तुत करता है, जो एक संभाव्य ढांचा है जो विभिन्न वातावरणों में सुदृढ़ सामान्यीकरण के लिए इनवेरिएंट फीचर्स की पहचान करने हेतु पोस्टीरियर इन्फरेंस का उपयोग करता है, इसकी निरंतरता को सिद्ध करता है और एक स्केलेबल वेरिएशनल एप्रोक्सिमेशन (VI-BIP) प्रदान करता है जो सटीकता और दक्षता में मौजूदा विधियों से बेहतर प्रदर्शन करता है।
यह शोधपत्र कॉन्टेक्स्ट ट्यूनिंग (Context Tuning) को प्रस्तुत करता है, जो एक वेट-फ्री (weight-free) विधि है जो इन-कॉन्टेक्स्ट लर्निंग के माध्यम से प्रदर्शनों (demonstrations) से एक प्रशिक्षण योग्य मेमोरी प्रतिनिधित्व को इनिशियलाइज़ करके और तत्पश्चात ग्रेडिएंट-आधारित अनुकूलन के माध्यम से इसे परिष्कृत करके बड़े भाषा मॉडलों में फ्यू-शॉट अनुकूलन को बढ़ाता है, जिससे यह मानक इन-कॉन्टेक्स्ट और प्रॉम्प्ट-आधारित दृष्टिकोणों से बेहतर प्रदर्शन करता है और उच्च दक्षता के साथ टेस्ट-टाइम ट्रेनिंग के साथ प्रतिस्पर्धी सटीकता प्राप्त करता है।
यह शोध पत्र पाथ सिग्नेचर लॉजिस्टिक रिग्रेशन (PSLR) प्रस्तुत करता है, जो एक अर्ध-पैरामीट्रिक ढांचा है जो अनियमित रूप से नमूना लिए गए वेक्टर-मूल्य वाले फंक्शनल डेटा के सुदृढ़ और सटीक वर्गीकरण को प्राप्त करने के लिए व्याख्या योग्य रैखिक प्रभावों को एक डेटा-संचालित, सैद्धांतिक रूप से गारंटीकृत अनुकूली क्रम चयन तंत्र के साथ जोड़ता है।
यह शोध पत्र LoRA-आधारित नॉलेज डिस्टिलेशन का उपयोग करके बड़े भाषा मॉडलों (लार्ज लैंग्वेज मॉडल्स) में अनिश्चितता मात्रा निर्धारण (अनसर्टेन्टी क्वांटिफिकेशन) के लिए एक कुशल विधि प्रस्तावित करता है, जो कम्प्यूटेशनल रूप से महंगे, मल्टी-पास टीचर्स से अनिश्चितता-जागरूक क्षमताओं को सिंगल-पास स्टूडेंट्स में स्थानांतरित करता है, जिससे पारंपरिक सैंपलिंग विधियों की भारी इन्फरेंस लेटेंसी के बिना तुलनीय प्रदर्शन प्राप्त होता है।
PLoRA एक ऐसी प्रणाली है जो समवर्ती (concurrent) LoRA प्रशिक्षण कार्यों को स्वचालित रूप से ऑर्केस्ट्रेट करने और अनुकूलित कर्नेल विकसित करने द्वारा लार्ज लैंग्वेज मॉडल फाइन-ट्यूनिंग की दक्षता को बढ़ाती है, जिससे मौजूदा तरीकों की तुलना में 12.8x तक उच्च थ्रूपुट और 7.52x तेज़ पूर्णता समय प्राप्त होता है।
GlaBoost एक नवीन, व्याख्यात्मक मल्टीमॉडल फ्रेमवर्क है जो मौजूदा यूनिमोडल और जेनेरिक मल्टीमॉडल दृष्टिकोणों की तुलना में बेहतर और नैदानिक रूप से सुसंगत ग्लूकोमा जोखिम स्तरीकरण प्राप्त करने के लिए एक उन्नत XGBoost मॉडल के माध्यम से फंडस इमेज एम्बेडिंग, मुक्त-पाठ नैदानिक आकलन और संरचित बायोमार्कर को एकीकृत करता है।
यह शोध पत्र विभिन्न रिडक्शन तकनीकों का परिचय और बेंचमार्किंग करता है जो सर्वाइवल एनालिसिस कार्यों को मानक रिग्रेशन या क्लासिफिकेशन समस्याओं में रूपांतरित करती हैं, जिससे सर्वाइवल डेटा की अनूठी विशेषताओं को सुरक्षित रखते हुए ऑफ-द-शेल्फ मशीन लर्निंग टूल्स का उपयोग सक्षम हो जाता है।
यह शोध पत्र एक उन्नत न्यूरल लॉजिक नेटवर्क फ्रेमवर्क प्रस्तुत करता है जो विशेष रूप से चिकित्सा और औद्योगिक अनुप्रयोगों में टैबुलर वर्गीकरण के लिए व्याख्या योग्य तार्किक नियमों की खोज करने हेतु स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त करने के लिए NOT ऑपरेशन्स, बायस और एक नवीन फैक्टराइज्ड IF-THEN नियम संरचना को समाहित करता है।