20856 पेपर
यह शोध पत्र एक ऐसा कम्प्यूटेशनल फ्रेमवर्क प्रस्तुत करता है जो परिवर्तित गुरुत्वाकर्षण के प्रति न्यूरोफिज़ियोलॉजिकल अनुकूलन की भविष्यवाणी करने के लिए डीप लर्निंग मॉडल्स को मानव जागरूकता के व्यक्तिपरक वृत्तांत (subjective narratives) उत्पन्न करने के लिए LLM सिमुलेशन के साथ जोड़ता है, जो भविष्य के अंतरिक्ष मिशनों में प्रदर्शन और लचीलेपन के आकलन के लिए एक नवीन उपकरण प्रदान करता है।
यह शोध पत्र लोकैलिटी-अवेयर कॉन्टिनुअल अनलर्निंग (LACU) का प्रस्ताव करता है, जो एक ऐसा ढांचा है जो लोकैलिटी-अवेयर टारगेट सिलेक्शन और रिप्ले का उपयोग करके डिफ्यूजन मॉडल्स में मौजूदा सीक्वेंशियल अनलर्निंग विधियों की अस्थिरता को दूर करता है ताकि सिमेंटिक रूप से पड़ोसी अवधारणाओं को होने वाले संपार्श्विक नुकसान को कम किया जा सके, जिससे रिटेंशन प्रदर्शन को बनाए रखते हुए दस क्रमिक चरणों में स्थिर अवधारणा निष्कासन सक्षम हो सके।
यह शोध पत्र कम से उच्च-आयामी यूक्लिडियन और ग्राफ-संरचित डेटा के लिए ऑफलाइन और ऑनलाइन दोनों सेटिंग्स में वितरण संबंधी परिवर्तनों का पता लगाने के लिए एक नवीन ग्राफ-स्पैनिंग एल्गोरिदम प्रस्तुत करता है, जो छोटे अवलोकन विंडो और अज्ञात वितरणों के साथ भी उत्कृष्ट सटीकता और मजबूती प्रदर्शित करता है।
ThreadWeaver एक नवीन फ्रेमवर्क है जो एक दो-चरणीय प्रक्षेपवक्र जनरेटर (two-stage trajectory generator), मानक अनुमान इंजनों (standard inference engines) के साथ संगत एक ट्राइ-आधारित रोलआउट डिज़ाइन (trie-based rollout design), और एक समानांतरता-जागरूक सुदृढीकरण शिक्षण रणनीति (parallelization-aware reinforcement learning strategy) को संयोजित करके बड़े भाषा मॉडलों में अत्याधुनिक समानांतर तर्क प्रदर्शन प्राप्त करता है, जिससे अनुक्रमिक सटीकता से मेल खाते हुए अनुमान विलंबता (inference latency) को महत्वपूर्ण रूप से कम किया जा सकता है।
यह शोध पत्र HAL को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो कंट्रास्टिव डायलॉग डेटा से एक व्याख्यात्मक, डेटा-संचालित रिवॉर्ड (पुरस्कार) प्राप्त करके भाषा मॉडलों को मानवीय संवादात्मक गुणों के साथ संरेखित करता है, जिससे लक्षित अनुकूलन सक्षम होता है जो समग्र प्रदर्शन से समझौता किए बिना कथित मानव-समानता में सुधार करता है।
यह शोध पत्र प्रदर्शित करता है कि इनवर्स डायनेमिक्स मॉडल (IDMs), विशेषज्ञ नीतियों की तुलना में कम-जटिलता और कम स्टोकेस्टिक हाइपोथीसिस क्लास के भीतर कार्य करके, सेमी-सुपरवाइज्ड इमिटेशन लर्निंग में बेहतर सैंपल दक्षता प्राप्त करते हैं, जिससे एक उन्नत लेटेंट एक्शन पॉलिसी लर्निंग एल्गोरिदम का प्रस्ताव मिलता है जिसे कई बेंचमार्क पर मान्य किया गया है।
यह शोध पत्र कंप्यूट-बाउंडेड (compute-bounded) नीतियों की अवधारणा को औपचारिक रूप देता है ताकि यह प्रदर्शित किया जा सके कि, एक न्यूनतम परिवर्तनीय-कंप्यूट (minimal variable-compute) आर्किटेक्चर के माध्यम से कंप्यूटेशन को पैरामीटर संख्या से अलग करके, सुदृढीकरण लर्निंग (reinforcement learning) एजेंट केवल अधिक कम्प्यूटेशनल संसाधनों का उपयोग करके लंबी अवधि के कार्यों (long-horizon tasks) पर बेहतर प्रदर्शन और सामान्यीकरण प्राप्त कर सकते हैं।
यह शोध पत्र BRIDGE को प्रस्तुत करता है, जो एक साइकोमेट्रिक ढांचा है जो लेटेंट टास्क डिफिकल्टी (अव्यक्त कार्य की कठिनाई) और मानव पूर्णता समय के लघुगणक (लॉग) के बीच एक रैखिक संबंध स्थापित करके मॉडल प्रदर्शन डेटा से मानव कार्य पूर्णता समय की भविष्यवाणी करता है, जिससे महंगी मानवीय एनोटेशन के बिना स्केलेबल क्षमता पूर्वानुमान सक्षम होता है।
यह शोध पत्र एक सिद्धांत-आधारित विड्थ-आधारित अपस्केलिंग विधि प्रस्तुत करता है जो कार्यात्मक समानता सुनिश्चित करने और छोटे से बड़े मॉडलों में कुशल हाइपरपैरामीटर स्थानांतरण को सक्षम करने के लिए वेट परटर्बेशन (भार विक्षोभ) को सैद्धांतिक रूप से पुष्ट स्केलिंग नियमों के साथ जोड़ता है, जिससे विविध इन्फरेंस बजटों के लिए ट्यूनिंग की लागत कम हो जाती है।
यह शोध पत्र बाइनरी मिश्रणों में तापमान-निर्भर विसरण गुणांकों (डिफ्यूजन कोएफिशिएंट्स) की सटीक भविष्यवाणी करने के लिए बेयसियन प्रायर्स (Bayesian priors) और सक्रिय शिक्षण (active learning) रणनीतियों द्वारा संवर्धित एक हाइब्रिड टेंसर पूर्णता विधि प्रस्तुत करता है, जो मौजूदा एकल-तापमान मैट्रिक्स पूर्णता मॉडलों और अर्ध-अनुभवजन्य दृष्टिकोणों की सीमाओं को दूर करता है।