20650 पेपर
यह शोध पत्र एक लयापुनोव-निर्देशित (Lyapunov-guided) प्रशिक्षण ढांचे का प्रस्ताव करता है जो फिक्स्ड-पॉइंट ओवरफ्लो-प्रेरित अस्थिरता को दबाने के लिए मोनोटोन स्टेट प्रोजेक्शन को लागू करता है, जिससे संसाधन-बाधित हार्डवेयर पर विश्वसनीय निम्न-परिशुद्धता (low-precision) न्यूरल नेटवर्क प्रशिक्षण और अनुमान सक्षम होता है।
यह शोध पत्र एक स्केलेबल बेयसियन ढांचे का प्रस्ताव करता है जो उच्च-आयामी बहुविध अनुदैर्ध्य डेटा (multimodal longitudinal data) के अनिश्चितता-जागरूक विश्लेषण को सक्षम करने के लिए मोडैलिटी-विशिष्ट न्यूरल एनकोडर्स को जनरलाइज्ड लीनियर मिक्स्ड मॉडल्स के साथ एकीकृत करता है, जबकि व्याख्या योग्य जनसंख्या और विषय-स्तरीय प्रभावों को सुरक्षित रखता है।
यह शोध पत्र "स्टिचिंग" (stitching) नामक एक नवीन कण-आधारित विधि प्रस्तुत करता है जो एक अवशिष्ट हानि (residual loss) के माध्यम से निरंतरता समीकरणों को लागू करके जनसंख्या गतिशीलता को वासरस्टीन ग्रेडिएंट फ्लो (Wasserstein gradient flows) के रूप में पुनर्गठित करता है, जो पारंपरिक JKO-आधारित दृष्टिकोणों के लिए एक सिमुलेशन-मुक्त, सुदृढ़ और अत्याधुनिक विकल्प प्रदान करता है।
यह शोध पत्र आंशिक वरीयता जानकारी का लाभ उठाने के लिए "व्यापक स्थिर मिलान" (pervasive stable matching) की अवधारणा को पेश करते हुए, शुरू में अज्ञात वरीयताओं वाले द्वि-पक्षीय बाजारों में इष्टतम स्थिर मिलान की पहचान करने की समस्या को संबोधित करता है, जिससे शुद्ध अन्वेषण (pure exploration) और प्रतिफल न्यूनीकरण (regret minimization) दोनों के लिए कुशल उन्मूलन-आधारित एल्गोरिदम प्रस्तावित होते हैं जो न्यूनतम पुरस्कार अंतराल से स्वतंत्र बेहतर नमूना जटिलता और प्रतिफल सीमाएं प्राप्त करते हैं।
यह शोध पत्र एक कुशल सक्रिय शिक्षण (active learning) एल्गोरिदम प्रस्तावित करता है जो ग्राफ के वर्टेक्स एक्सपेंशन (vertex expansion) और एडवर्सरी की शक्ति का लाभ उठाकर, कम वर्टेक्स एक्सपेंशन वाले सेट खोजने के लिए एक नवीन सम-वर्ग (sum-of-squares) आधारित दृष्टिकोण का उपयोग करते हुए, ग्राफ में प्रतिकूल रूप से दूषित (adversarially corrupted) वर्टिस को लगभग पुनर्प्राप्त करता है।
यह शोध पत्र एक ज्यामिति-जागरूक (geometry-aware) बायेसियन परिमाणीकरण पद्धति प्रस्तुत करता है जो क्लासिफायर पोस्टीरियर्स (classifier posteriors) को मॉडल करने में यूक्लिडियन कर्नेल की सीमाओं को संबोधित करने के लिए लॉग-अनुपात निरूपण और ऐचिसन ज्यामिति का लाभ उठाता है, जिससे विविध डेटा डोमेनों में लेबल शिफ्ट अनुकूलन और प्रवलता अनुमान (prevalence estimation) में सुधार होता है।
यह शोध पत्र QuickVaR और QuickDivergence को प्रस्तुत करता है, जो दो नए एल्गोरिदम हैं जो अपेक्षित रैखिक समय (expected linear time) में विविक्त यादृच्छिक चरों (discrete random variables) के लिए वैल्यू-एट-रिस्क (Value-at-Risk) और -डाइवर्जेंस जोखिम मापों (CVaR सहित) की गणना करते हैं, जिससे मौजूदा विधियों की तुलना में महत्वपूर्ण गति प्राप्त होती है।
यह शोध पत्र निरंतर, उच्च-आयामी संवेदनशील विशेषताओं को संभालने के लिए माध्य जनसांख्यिकीय समानता (DPVar) का उपयोग करते हुए प्रेडिक्टिव फेयरनेस (predictive fairness) के लिए एक कार्यात्मक बाइलेवल ऑप्टिमाइज़ेशन फ्रेमवर्क पेश करता है, जिसमें दो एल्गोरिदम (FBO और ITD) प्रस्तावित किए गए हैं जो सिंथेटिक और सेमी-सिंथेटिक बेंचमार्क में निष्पक्षता और सटीकता के बीच संतुलन बनाने में मौजूदा बेसलाइन से बेहतर प्रदर्शन करते हैं।
यह शोध पत्र एक औपचारिक ढांचा स्थापित करता है जो यह प्रदर्शित करता है कि शोरयुक्त (noisy) क्वांटम हार्डवेयर स्वाभाविक रूप से शास्त्रीय आउटपुट में बैकएंड-विशिष्ट फिंगरप्रिंट लीक करता है, जो रूटिंग गुमनामी (routing anonymity) और उपयोगिता के बीच एक मौलिक ट्रेड-ऑफ बनाता है जो सर्किट की गहराई के साथ तेजी से (exponentially) घटता है, जैसा कि सैद्धांतिक विश्लेषण और Amazon Braket पर प्रयोगों द्वारा प्रमाणित किया गया है।
TREK एक सामान्य, चरणबद्ध प्रशिक्षण ढांचा है जो बाहरी या आंतरिक शिक्षकों से सत्यापित उम्मीदवार समाधानों के माध्यम से कठिन प्रॉम्प्ट्स पर एक मॉडल की अन्वेषण क्षमताओं का विस्तार करने के लिए फॉरवर्ड-KL डिस्टिलेशन का उपयोग करके ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन (GRPO) को बढ़ाता है, जिससे जटिल गणितीय और एजेंटिक रीजनिंग कार्यों पर अभिसरण को गति मिलती है और प्रदर्शन में सुधार होता है।