20950 पेपर
TiRex-2 एक नवीन रिकरेंट xLSTM-आधारित टाइम सीरीज़ फाउंडेशन मॉडल है जो निरंतर-लागत स्ट्रीमिंग के लिए मेमोरी-केंद्रित डिज़ाइन और स्केलेबल प्रीट्रेनिंग के लिए एक सिंथेटिक कपलिंग पाइपलाइन का उपयोग करके भविष्य के कोवेरिएट्स के साथ यूनिवैरिएट फोरकास्टिंग को मल्टीवेरिएट परिदृश्यों तक विस्तारित करता है, जिससे स्टेट-ऑफ-द-आर्ट ज़ीरो-शॉट प्रदर्शन प्राप्त होता है।
यह शोध पत्र "डिस्टिल टू डिटेक्ट" (D2D) को प्रस्तुत करता है, जो एक नवीन विधि है जो वितरण संबंधी बदलावों (distributional shifts) को एक KV-कैश एडेप्टर में डिस्टिल करके बड़े भाषा मॉडलों (large language models) में छिपे हुए, गुप्त पूर्वाग्रहों को प्रवर्धित और प्रकट करती है, जिससे उस मौलिक पहचान विषमता (detection asymmetry) पर विजय प्राप्त होती है जहाँ अज्ञात पूर्वाग्रह विषय मानक निरीक्षण के लिए अदृश्य बने रहते हैं।
यह शोध पत्र 'थियोरिया' (Theoria) का परिचय देता है, जो एक ऐसा सत्यापन आर्किटेक्चर है जो समाधानों को स्पष्ट औचित्यों के साथ ऑडिट योग्य, टाइप किए गए स्टेट ट्रांज़िशन (state transitions) में पुनर्गठित करके एआई उत्तरों की विश्वसनीयता को बढ़ाता है, जिससे यह छिपे हुए आधारों और काल्पनिक उद्धरणों का पता लगाने में समग्र एलएलएम (LLM) जजों से बेहतर प्रदर्शन करता है और विशेषज्ञ-स्तरीय समस्याओं पर उच्च सटीकता बनाए रखता है।
यह शोध पत्र एक भाषा-आलोचना अनुकरण शिक्षण (language-critique imitation learning) ढांचे का प्रस्ताव करता है जो प्रगति, विफलताओं और सुधारों को स्पष्ट रूप से वर्णित करने के लिए संरचित प्राकृतिक भाषा फीडबैक का लाभ उठाता है, जिससे नीतियां उप-इष्टतम प्रदर्शनों (suboptimal demonstrations) से सीखते समय मौजूदा विधियों से बेहतर प्रदर्शन कर पाती हैं और अभिव्यंजक संकेतों को स्केलर मानों में सिमटने से बचा पाती हैं।
यह शोध पत्र तीव्र एसिम्प्टोटिक्स (asymptotics) वाले नए सांख्यिकी और एक डेटा स्प्लिटिंग योजना को पेश करके, नॉइज़ी मैट्रिक्स कंप्लीशन के लिए लीनियर फॉर्म्स के मल्टीपल टेस्टिंग में फॉल्स डिस्कवरी रेट को नियंत्रित करने के लिए एक नवीन कार्यप्रणाली प्रस्तावित करता है, जिससे बायस-वेरिएंस ट्रेडऑफ़ और जटिल निर्भरताओं से संबंधित चुनौतियों पर काबू पाते हुए लगभग इष्टतम सैंपल साइज़ के तहत गारंटीकृत पावर प्राप्त की जा सके।
यह शोध पत्र पहले प्रमाणित रूप से सुदृढ़ ऑफलाइन सुदृढीकरण शिक्षण (RLHF) एल्गोरिदम प्रस्तुत करता है जो कॉन्फिडेंस सेट्स के साथ रिवॉर्ड मॉडल सीखकर और करप्शन-रोबस्ट आरएल ओरेकल्स के माध्यम से पेसिमिस्टिक ऑप्टिमाइज़ेशन का लाभ उठाकर, -हिस्से वाले दूषित ट्राजेक्टरी-फीडबैक पेयर्स वाले डेटासेट से निकट-इष्टतम नीतियों की पहचान कर सकते हैं।
यह शोध पत्र मेंंटिस (Mantis) का परिचय देता है, जो एक ट्रांसफॉर्मर-आधारित फाउंडेशन मॉडल है जो टाइम सीरीज़ क्लासिफिकेशन के लिए सिंथेटिक प्री-ट्रेनिंग, एक नवीन टोकनाइज़ेशन रणनीति और उन्नत टेस्ट-टाइम तकनीकों का लाभ उठाकर विविध डोमेन में अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र VAMOS++ स्पेक्ट्रोमीटर के लिए एक नवीन सात-आयामी प्रक्षेपवक्र पुनर्निर्माण (ट्रैजेक्टरी रिकंस्ट्रक्शन) विधि प्रस्तुत करता है जो प्रतिक्रिया स्थिति निर्देशांकों को स्पष्ट रूप से शामिल करके बड़े बीम स्पॉट या विस्तारित गैसीय लक्ष्यों द्वारा आरोपित सीमाओं को दूर करने के लिए कृत्रिम गहन तंत्रिका नेटवर्क (आर्टिफिशियल डीप न्यूरल नेटवर्क) का उपयोग करता है, जिससे पिछले मॉडलों की तुलना में द्रव्यमान विभेदन (मास रेजोल्यूशन) में सुधार होता है।
TraCeS एक सुदृढीकरण शिक्षण (reinforcement learning) विधि है जो ज्ञात लागत फलन (cost function) या थ्रेशोल्ड की आवश्यकता के बिना, विरल प्रक्षेपवक्र-स्तर (sparse trajectory-level) के लेबल से प्रति-टाइमस्टेप सुरक्षा उल्लंघन क्रेडिट सीखता है, जिससे निरंतर-नियंत्रण कार्यों में बाधा संतुष्टि और फीडबैक दक्षता में सुधार होता है।
यह शोध पत्र प्रदर्शित करता है कि जलाशय कंप्यूटिंग (reservoir computing) का प्रदर्शन तब अधिकतम होता है जब मॉडल की गैर-रैखिकता (nonlinearity) इनपुट डेटा के अनुरूप होती है, जिससे अंतर्निहित समय-श्रृंखला जटिलता (time-series complexity) का अनुमान लगाने की एक व्यावहारिक विधि और अनुकूलित भिन्नात्मक गैर-रैखिकता (fractional nonlinearities) के माध्यम से न्यूनतम और शास्त्रीय जलाशय आर्किटेक्चर दोनों को बढ़ाने की एक रणनीति प्राप्त होती है।