20472 पेपर
STELLA एक कुशल ऑन-डिवाइस ह्यूमन एक्टिविटी रिकग्निशन फ्रेमवर्क है जो कच्चे सेंसर डेटा को एक फ्रोजन LLM के लिए कॉम्पैक्ट लेटेंट टोकन में संकुचित करके अत्याधुनिक प्रदर्शन और गोपनीयता-संरक्षित वैयक्तिकरण प्राप्त करता है, जिससे अनुकूलन का बोझ मॉडल से हटाकर एक हल्के, उपयोगकर्ता-विशिष्ट टोकेनाइज़र पर स्थानांतरित कर दिया जाता है।
यह शोध पत्र प्रदर्शित करता है कि ग्राफ ट्रांसफॉर्मर सहित ग्राफ न्यूरल नेटवर्क, प्लेनर सुपर-यांग-मिल्स थ्योरी के 2 करोड़ से अधिक ग्राफों पर लगभग पूर्ण वर्गीकरण सटीकता प्राप्त कर सकते हैं और रेडंडेंट डेटा को 85.5% तक कम करके ग्राफिकल बूटस्ट्रैप एल्गोरिदम को महत्वपूर्ण रूप से त्वरित कर सकते हैं।
यह शोध पत्र उच्च-आयामी बहुभुज वक्रों (polygonal curves) और खंडीय रैखिक सतहों (piecewise linear surfaces) के लिए आयाम न्यूनीकरण प्राप्त करने हेतु स्पार्स ऑब्लिवियस सबस्पेस एम्बेडिंग्स (sparse oblivious subspace embeddings) का उपयोग करते हुए एक सरलीकृत प्रमाण और एक सामान्यीकृत ढांचा प्रस्तुत करता है, जो फ्रेचेट (Fréchet), -DTW, और हॉउसडॉर्फ (Hausdorff) दूरियों सहित दूरियों के एक व्यापक वर्ग को संरक्षित करता है।
यह शोध पत्र एक नवीन ओपन-सेट सोर्स ट्रेसिंग फ्रेमवर्क प्रस्तावित करता है जो जनरेटिव ओरिजिन्स को कंपोजिशनल फैक्टर्स के रूप में पुनर्व्याख्या करता है और रोबस्ट कंपोजिशनल जनरलाइजेशन प्राप्त करने के लिए सबस्पेस पार्टीशनिंग के साथ स्ट्रक्चर्ड ऑर्थोनॉर्मल प्रोटोटाइप्स का उपयोग करता है, जो फ्यू-शॉट आइडेंटिफिकेशन कार्यों में मौजूदा बेसलाइन्स से काफी बेहतर प्रदर्शन करता है।
CuBAS एक सूचनात्मक-ज्यामितीय (information-geometric) अनुकूली नमूनाकरण ढांचा है जो पर्यवेक्षित वर्गीकरण (supervised classification) के लिए पॉट्स मार्कोव रैंडम फील्ड मॉडल से प्राप्त स्थानीय वक्रता (local curvature) का लाभ उठाकर समरूप और सीमा-सूचनात्मक डेटा बिंदुओं दोनों की पहचान और चयन करता है, जिससे मौजूदा विधियों की तुलना में विविध डेटासेट पर बेहतर प्रदर्शन और दक्षता प्राप्त होती है।
यह शोध पत्र डीपफेक ऑडियो डिटेक्शन में शॉर्टकट डिपेंडेंसीज़ (shortcut dependencies) को व्यवस्थित रूप से पहचानने और मापने के लिए एक निर्देशित ग्राफिकल मॉडल (directed graphical model) पर आधारित एक हस्तक्षेप-आधारित नैदानिक ढांचे (intervention-based diagnostic framework) का प्रस्ताव करता है, जो यह प्रकट करता है कि वैध स्पीच फीचर्स के बजाय नॉन-स्पीच इंटरवल्स (non-speech intervals) पर निर्भर रहने वाले मॉडल ही वास्तविक परिस्थितियों (in the wild) में प्रदर्शन में गिरावट का प्राथमिक कारण हैं।
यह शोध पत्र यह प्रकट करता है कि विकेंद्रीकृत फेडरेटेड लर्निंग नेटवर्क में संरचनात्मक और अस्थायी विषमताएं इस प्रक्रिया को एक 'लेज़ी रैंडम-वॉक डिफ्यूजन' (lazy random-walk diffusion) के रूप में मैप करके मॉडल अभिसरण (convergence) को महत्वपूर्ण रूप से धीमा कर देती हैं, जिससे उन विशिष्ट प्रयोगात्मक परिदृश्यों में अभिसरण की अवास्तविक गति उजागर होती है जो इन नेटवर्क गतिकी की अनदेखी करते हैं।
यह अध्ययन यह विश्लेषण करने के लिए इन्वर्स रीइन्फोर्समेंट लर्निंग (Inverse Reinforcement Learning) का उपयोग करता है कि कैसे 2021-2023 के ऊर्जा संकट और हीटवेव के जवाब में इतालवी परिवारों के बिजली खपत व्यवहार विषम रूप से विकसित हुए, जो यह प्रकट करता है कि नीतिगत हस्तक्षेपों को विविध उपभोक्ता प्रोफाइल, निर्मित वातावरण और व्यवहारिक परिवर्तनों की सामयिक निरंतरता को ध्यान में रखना चाहिए।
यह शोध पत्र CRRL प्रस्तुत करता है, जो एक कार्य-कारण (कॉज़ैलिटी) आधारित सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) ढांचा है, जो नीतियों को नियम-आधारित हस्तक्षेपों के साथ प्रभावी ढंग से सहयोग करने के लिए प्रशिक्षित करके स्वायत्त प्रणाली की रिकवरी को बढ़ाता है, जिससे विफलता की स्थितियों में प्रदर्शन में उल्लेखनीय सुधार होता है और गतिहीनता (इमोबिलाइजेशन) में कमी आती है।
यह शोध पत्र एक स्व-विशिष्टीकरण (self-specializing) विजन-लैंग्वेज एजेंट प्रस्तुत करता है जो भौतिकी-आधारित सिमुलेशन में सुपरकंडक्टिंग ट्रांसमोन चिप्स को कैलिब्रेट करता है, जो ग्रेडिएंट-मुक्त, मानव-पठनीय नोट्स के माध्यम से अपनी रणनीति को पुनरावृत्ति से अनुकूलित करके, बिना वेट अपडेट के महत्वपूर्ण फिडेलिटी सुधार और विचरण कमी प्राप्त करता है, जिसका ढांचा सीधे वास्तविक हार्डवेयर पर स्थानांतरित करने के लिए डिज़ाइन किया गया है।