20856 पेपर
यह शोधपत्र न्यूनतम MMD अनुमान के लिए एक प्रीकंडीशन्ड ग्रेडिएंट डिसेंट स्कीम प्रस्तावित करता है जो स्पष्ट शर्तों के तहत एसिम्प्टोटिक ग्लोबल कन्वर्जेंस स्थापित करता है और चुनौतीपूर्ण पैरामीटर अनुमान और परिकल्पना परीक्षण कार्यों में मानक ग्रेडिएंट डिसेंट की तुलना में बेहतर अनुभवजन्य प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र USE का प्रस्ताव करता है, जो एक एकीकृत स्व-एन्सेम्बलिंग फ्रेमवर्क है जो विश्वसनीय छद्म लेबल (pseudo labels) उत्पन्न करने के लिए मूल परीक्षण छवियों पर अनुकूल रूप से बल देकर टेस्ट-टाइम प्रॉम्प्ट ट्यूनिंग में सुधार करता है, जिससे अनुकूलन और अनुमान चरणों के बीच निरंतरता सुनिश्चित होती है और साथ ही यह एक हल्के अनुकूलन-रहित अनुकूलन पद्धति के रूप में भी कार्य करता है।
यह शोध पत्र एक नवीन ढांचे को प्रस्तुत करता है जो पल्सर टाइमिंग एरे डेटा में उत्केंद्रित (eccentric) बाइनरी ब्लैक होल्स का कुशलतापूर्वक और सटीक रूप से पता लगाने के लिए भौतिकी-सूचित ट्रांसफॉर्मर (physics-informed Transformers) को सिमुलेशन-आधारित अनुमान (simulation-based inference) के साथ जोड़ता है, जो मॉडल की वास्तुकला में सीधे विश्लेषणात्मक गुरुत्वाकर्षण तरंग भौतिकी को समाहित करके पारंपरिक बेयसियन विधियों के एक स्केलेबल विकल्प के रूप में कार्य करता है।
यह शोध पत्र LLM सर्विंग में मल्टी-ऑब्जेक्टिव रूटिंग को अनुकूलित करने के लिए बिड-प्राइस कंट्रोल और वॉर्म-स्टार्टेड ड्यूल अपडेट्स के साथ एक विज्ञान-आधारित ऑनलाइन लीनियर प्रोग्रामिंग फ्रेमवर्क प्रस्तावित करता है, जो पारंपरिक ह्यूरिस्टिक दृष्टिकोणों की तुलना में बेहतर लेटेंसी और थ्रूपुट प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र कॉज़ल मीडिएशन एनालिसिस (causal mediation analysis) में अपेक्षित नेचुरल डायरेक्ट पोटेंशियल आउटकम (expected natural direct potential outcome) को अधिकतम करने वाले ट्रीटमेंट की कुशलतापूर्वक पहचान करने के लिए 'ट्रैक-एंड-स्टॉप' (Track-and-Stop) फ्रेमवर्क पर आधारित एक फिक्स्ड-कॉन्फिडेंस बेस्ट-आर्म आइडेंटिफिकेशन एल्गोरिदम प्रस्तावित करता है, जो एसिम्प्टोटिक ऑप्टिमलिटी (asymptotic optimality) प्राप्त करता है और एक बड़े पैमाने के वास्तविक विज्ञापन डेटासेट पर मान्य किया गया है।
यह शोध पत्र बैकवर्ड प्रक्रियाओं के संकुचन गुणों (contraction properties) और स्कोर अनुमानकों की नियमितता (regularity) का लाभ उठाते हुए, KL डाइवर्जेंस, रिवर्स KL डाइवर्जेंस और वासरस्टीन दूरी (Wasserstein distance) के लिए बेहतर सीमाएँ (bounds) व्युत्पन्न करके डिफ्यूजन मॉडल में "स्कोर मैचिंग गैप" का सैद्धांतिक विश्लेषण और उसे सुदृढ़ करता है, जिससे यह प्रदर्शित होता है कि स्कोर सन्निकटन (approximation) की गुणवत्ता कम शोर स्तरों (low noise scales) पर सबसे महत्वपूर्ण होती है।
यह शोध पत्र यह पहचान करता है कि सहकारी मल्टी-एजेंट सुदृढीकरण शिक्षण (multi-agent reinforcement learning) में LLM-जनित रिवॉर्ड वेट्स को गतिशील रूप से अपडेट करना स्टेशनैरिटी मान्यताओं का उल्लंघन करता है और प्रशिक्षण को अस्थिर करता है, तथा तीन अलग-अलग श्रेणियों में, जो बेसलाइन एजेंट की सक्षमता द्वारा परिभाषित हैं, प्रदर्शन को प्रभावी ढंग से स्थिर करने के लिए फेज-बेस्ड फ्रीज (Phase-Based Freeze) और EMA स्मूथिंग रणनीतियों का प्रस्ताव करता है।
यह शोध पत्र एनकोडर प्रोबिंग और डिकोडर एट्रिब्यूशन तकनीकों को संयोजित करके न्यूरल मल्टी-एट्रीब्यूट व्हीकल रूटिंग प्रॉब्लम सॉल्वर्स की व्याख्या करने के लिए एक एकीकृत प्रोटोकॉल प्रस्तुत करता है, जो यह प्रकट करता है कि ग्राफ इंडक्टिव बायस और रिसोर्स ट्रेनिंग रिजीम्स, बाधाओं की प्रतिनिधिक स्पष्टता और अव्यवहार्य निर्णयों के लिए कार्रवाई योग्य, काउंटरफैक्चुअल स्पष्टीकरणों के निर्माण, दोनों को महत्वपूर्ण रूप से बढ़ाते हैं।
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।