20950 पेपर
यह शोध पत्र मल्टीस्टेज डिफ़र ट्रीज़ (Multistage Defer Trees) को प्रस्तुत करता है, जो एक हाइब्रिड व्याख्यात्मक ढांचा है जो अधिकांश नमूनों को पारदर्शी रूप से वर्गीकृत करने के लिए स्पार्स डिसीजन ट्रीज़ को जोड़ता है और कठिन मामलों को बाद के ट्रीज़ या ब्लैक-बॉक्स मॉडलों पर टाल देता है, जिससे डेटा के बहुमत के लिए व्याख्यात्मकता से समझौता किए बिना अत्याधुनिक सटीकता प्राप्त की जा सकती है।
यह शोधपत्र सर्टिफिकेट-गेटेड प्रीफिक्स एक्सेप्टेंस (CGPA) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो एक विश्वसनीय सत्यापनकर्ता (trusted verifier) को एक कॉन्फॉर्मली कैलिब्रेटेड वैल्यू बाउंड्री के साथ जोड़कर, अविश्वसनीय AI एजेंटों को कठिन-प्रतिबंधित अनुक्रमिक निर्णय लेने की प्रक्रिया में तेजी लाने में सक्षम बनाता है, जिससे सुरक्षा गारंटियों से समझौता किए बिना महत्वपूर्ण गति और शून्य के करीब बाधा उल्लंघन प्राप्त होता है।
यह शोध पत्र एक नवीन ऑफलाइन सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) ढांचे का प्रस्ताव करता है जो पॉइंट अटेंशन परतों के साथ एक सेंसर स्थिति-सशर्त आर्किटेक्चर का उपयोग करता है ताकि एक एकल नीति नेटवर्क (पॉलिसी नेटवर्क) को कई सेंसर विन्यासों के अनुकूल निर्बाध रूप से सक्षम बनाया जा सके, जिससे सक्रिय प्रवाह नियंत्रण अनुप्रयोगों में पारंपरिक ऑनलाइन आरएल (RL) की उच्च कम्प्यूटेशनल लागत और पुनर्रचना आवश्यकताओं पर विजय प्राप्त की जा सके।
OTCache एक प्रशिक्षण-मुक्त ढांचा है जो ऑप्टिमल ट्रांसपोर्ट का उपयोग करके कैशिंग शेड्यूल्स को पॉलिसी स्पेस में एक सुचारू विकास के रूप में मॉडल करके डिफ्यूजन मॉडल सैंपलिंग को तेज करता है, जिससे एक उच्च-फिडेलिटी संदर्भ शेड्यूल और एक अनुकूलित लो-बजट एंकर के बीच इंटरपोलेशन के माध्यम से विभिन्न मॉडलों में महत्वपूर्ण गति और बेहतर फिडेलिटी प्राप्त होती है।
यह शोध पत्र MANANA को प्रस्तुत करता है, जो एक गैर-प्राचलिक (non-parametric) प्रॉम्प्ट-लर्निंग फ्रेमवर्क है जो असंरचित नोट्स से स्थानीय प्रिस्क्रिप्शन पैटर्न को सीखकर और अनिश्चितता-जागरूक विलंबन संकेतों (uncertainty-aware deferral signals) को उत्पन्न करने के लिए बायेसियन प्रॉम्प्ट एवरेजिंग का उपयोग करके, युगांडा में बाल चिकित्सा मिर्गी देखभाल में LLM-आधारित एंटी-सीज़र दवा अनुशंसाओं को बढ़ाता है, जिससे उच्च सटीकता प्राप्त होती है और विशेषज्ञ समीक्षा के लिए चयनात्मक भविष्यवाणी सक्षम होती है।
यह शोध पत्र प्रदर्शित करता है कि एक ड्यूल-एजेंट फ्रेमवर्क और अर्ली स्टॉपिंग का उपयोग करके डीपसीक-आर1 (DeepSeek-R1) शिक्षक से डिस्टिल्ड चेन-ऑफ-थॉट डेटा के साथ एक कॉम्पैक्ट क्यूवेन 2.5-7बी (Qwen2.5-7B) स्टूडेंट मॉडल को फाइन-ट्यून करने से जॉन ओ'ब्रायन मैथमेटिक्स कॉम्पिटिशन और मैथ-500 (MATH-500) बेंचमार्क पर इसकी सटीकता में महत्वपूर्ण सुधार होता है, जबकि यह भी प्रकट करता है कि कम प्रतिक्रिया लंबाई का कम तर्क गुणवत्ता के साथ सहसंबंध है।
यह शोध पत्र ऑनलाइन TT-ALS प्रस्तुत करता है, जो एक स्ट्रीमिंग टेंसर अपघटन एल्गोरिदम है जो सटीक कोर अपडेट, एकदिष्ट अभिसरण (monotonic convergence) और रैखिक रैंक जटिलता प्राप्त करने के लिए वृद्धिशील ऑर्थोगोनलाइजेशन (incremental orthogonalization) को लागू करता है, जिससे यह पुनर्निर्माण सटीकता और वास्तविक समय प्रसंस्करण गति दोनों में मौजूदा ऑनलाइन और डीप लर्निंग विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र वैनिला-SPDE एक्सचेंज (Vanilla-SPDE Exchange) को प्रस्तुत करता है, जो एक हाइब्रिड इन्फरेंस स्कीम है जो स्थानिक-कालिक (spatio-temporal) परिवेश में, विशेष रूप से जब अवलोकन और भविष्यवाणी के स्थान अलग-अलग हों, क्यूबिक कम्प्यूटेशनल लागतों को दूर करने के लिए मानक और SPDE गाऊसी प्रक्रिया स्वरूपों के बीच समानता का लाभ उठाता है।
यह शोध पत्र FORA को प्रस्तुत करता है, जो एक फंक्शन-स्पेस (function-space) सुरक्षा पद्धति है जो अपडेट्स को वेट-व्युत्पन्न (weight-derived) के बजाय एक्टिवेशन-व्युत्पन्न (activation-derived) सबस्पेस पर प्रोजेक्ट करके फाइन-ट्यूनिंग के दौरान मॉडल की क्षमताओं को संरक्षित करती है, जिससे मौजूदा कौशलों के लिए जिम्मेदार विशिष्ट दिशाओं को अधिक निष्ठापूर्वक अलग और सुरक्षित किया जा सके।
यह शोध पत्र पूर्वानुमान और नियोजन क्षमताओं की जांच करके स्वायत्त ड्राइविंग नीतियों (autonomous driving policies) के आंतरिक तर्क की जांच करता है, जिससे यह पता चलता है कि मजबूत क्लोज्ड-लूप प्रदर्शन के बावजूद, कई मॉडल वास्तविक भविष्य कहने वाले संकेतों के बजाय भंगुर ह्यूरिस्टिक्स (brittle heuristics) पर निर्भर करते हैं, जिसे कारण संबंधी हस्तक्षेपों (causal interventions) के माध्यम से सुधारा जा सकता है।