20386 पेपर
यह शोध पत्र शोर युक्त उच्च-आयामी मस्तिष्क गतिविधि को प्रभावी ढंग से डिकोड करने के लिए न्यूनतम त्रुटि एंट्रॉपी मानदंड पर आधारित एक सुदृढ़ स्पार्स बायेसियन लर्निंग फ्रेमवर्क प्रस्तावित करता है, जो मौजूदा विधियों की तुलना में वास्तविक दुनिया के रिग्रेशन और वर्गीकरण कार्यों में बेहतर प्रदर्शन और शारीरिक व्याख्यात्मकता प्रदर्शित करता है।
यह शोध पत्र DynamixSFT का प्रस्ताव करता है, जो एक गतिशील और स्वचालित विधि है जो समस्या को प्रायर-स्केल्ड बोल्ट्ज़मैन एक्सप्लोरेशन (Prior-scaled Boltzmann Exploration) और 1-स्टेप लुक-अहेड रिवॉर्ड (1-Step Look-ahead Reward) के साथ एक मल्टी-आर्म्ड बैंडिट (multi-armed bandit) के रूप में फ्रेम करके इंस्ट्रक्शन-ट्यूनिंग डेटासेट मिश्रणों को अनुकूलित करती है, जो न्यूनतम कम्प्यूटेशनल ओवरहेड के साथ कई बेंचमार्क पर मॉडल के प्रदर्शन को प्रभावी रूप से बढ़ाती है।
यह शोधपत्र एक ट्रांसफ़र लर्निंग फ्रेमवर्क प्रस्तावित करता है जो सेल्फ-अटेंशन के साथ BiLSTM मॉडल का उपयोग करता है ताकि 25Hz PPG सिग्नल्स के माध्यम से पहनने योग्य उपकरणों (wearable devices) पर तीव्र, सटीक और कम-शक्ति वाला SpO2 अनुमान सक्षम किया जा सके, जो जटिल क्लिनिकल कैलिब्रेशन की आवश्यकता के बिना उच्च सटीकता प्राप्त करता है।
यह शोध पत्र एक सामान्यीकरण योग्य रक्तचाप अनुमान ढांचे का प्रस्ताव करता है जो मल्टी-वेवलेंथ पीपीजी (PPG) डेटा पर करिकुलम लर्निंग और डोमेन-एडवर्सरियल ट्रेनिंग को जोड़ता है ताकि सख्त विषय-स्तरीय विभाजन (subject-level splitting) के तहत सिस्टोलिक और डायस्टोलिक रक्तचाप के लिए क्रमशः 14.2 mmHg और 6.4 mmHg के औसत पूर्ण त्रुटि (mean absolute errors) के साथ एक सुदृढ़, विषय-अपरिवर्तनीय प्रदर्शन प्राप्त किया जा सके।
यह शोध पत्र क्वांटम वेरिएशनल एक्टिवेशन फंक्शन्स (QVAFs), विशेष रूप से सिंगल-क्यूबिट DARUAN मैकेनिज्म को पेश करता है, ताकि QKAN आर्किटेक्चर का निर्माण किया जा सके जो कोलमोगोरोव-आर्नोल्ड नेटवर्क्स को क्वांटम-प्रेरित अभिव्यक्तता के साथ एकीकृत करता है, और शास्त्रीय सिमुलेशन एवं NISQ हार्डवेयर दोनों में बेहतर पैरामीटर दक्षता, स्केलेबिलिटी और सामान्यीकरण प्राप्त करता है।
यह शोध पत्र WAPIIBench पेश करता है, जो एक ऐसा डेटासेट और मूल्यांकन पाइपलाइन है जो यह प्रकट करता है कि वर्तमान ओपन-सोर्स लार्ज लैंग्वेज मॉडल्स सही वेब API इंटीग्रेशन कोड जेनरेट करने में काफी संघर्ष करते हैं, जो हैलुसिनेटेड एंडपॉइंट्स और गलत आर्गुमेंट उपयोग जैसी समस्याओं के कारण 40% से भी कम सफलता प्राप्त करते हैं।
यह शोध पत्र 'अडेप्टिव मार्जिन RLHF' (Adaptive Margin RLHF) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो रिवॉर्ड मॉडलिंग और एलाइनमेंट के लिए गतिशील, डेटा-विशिष्ट मार्जिन को अनुमानित करने हेतु "प्रेफरेंस-ओवर-प्रेफरेंस" (preference-over-preference) एनोटेशन का लाभ उठाता है, और विशेष सैंपलिंग रणनीतियों के माध्यम से दोनों के बीच के ट्रेड-ऑफ को संबोधित करते हुए डिस्क्रिमिनेटिव और जनरेटिव प्रदर्शन दोनों को बढ़ाने के लिए DPO-PoP एल्गोरिदम पेश करता है।
यह शोध पत्र एक नवीन डेटा-टू-एनर्जी इटरेटिव प्रोपोर्शनल फिटिंग एल्गोरिदम प्रस्तुत करता है जो डेटा नमूनों तक पहुँच के बिना केवल अननॉर्मलाइज्ड डेंसिटी फंक्शन्स का उपयोग करके श्रोडिंगर ब्रिजेस की मॉडलिंग को सक्षम बनाता है, साथ ही सीखे गए डिफ्यूजन कोएफिशिएंट्स और लेटेंट स्पेस इमेज-टू-इमेज ट्रांसलेशन में अनुप्रयोगों के माध्यम से मौजूदा डेटा-संचालित विधियों में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र एक्टिवेशन-डीएक्टिवेशन (AD) को प्रस्तुत करता है, जो एक नवीन पोस्ट-हॉक व्याख्यात्मकता ढांचा (explainability framework) है जो अधिक सुदृढ़ और हस्तांतरणीय स्पष्टीकरण उत्पन्न करने के लिए इनपुट गड़बड़ी (input perturbations) के स्थान पर आंतरिक मॉडल निष्क्रियता (internal model deactivation) का उपयोग करता है, जिसमें अतिरिक्त प्रशिक्षण की आवश्यकता नहीं होती है।
यह शोध पत्र ALI-CFM प्रस्तुत करता है, जो एक नवीन मल्टी-मार्जिनल फ्लो मैचिंग विधि है जो डिस्क्रीट टाइम-पॉइंट स्नैपशॉट्स के बीच सुचारू, अद्वितीय इंटरपोलेन्ट्स सीखने के लिए एक एडवर्सरियल लॉस का उपयोग करती है, जिससे ग्राउंड-ट्रुथ ट्रेजेक्टरीज के बिना अंतर्निहित गतिकी का सटीक अनुमान लगाना सक्षम होता है और जैविक डेटासेट पर मौजूदा बेसलाइन्स से बेहतर प्रदर्शन करता है।