19766 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि बड़े भाषा मॉडलों का बाधा तर्क (constraint reasoning) कार्यों पर प्रदर्शन समस्या के उदाहरणों की अंतर्निहित सॉल्वर जटिलता (solver hardness) द्वारा निर्धारित नहीं होता है, जैसा कि सावधानीपूर्वक नियंत्रित, घनत्व-मिलान वाले बेंचमार्क में प्रूफ़-कठोरता प्रॉक्सी (proof-hardness proxies) और मॉडल सटीकता या टोकन व्यय के बीच सहसंबंध की कमी से सिद्ध होता है।
यह शोध पत्र प्रेडिक्टिव मोंटे कार्लो (PMC) को प्रस्तुत करता है, जो एक नवीन व्याख्यात्मकता विधि है जो केवल अगले-टोकन जनरेशन का उपयोग करके बेयस-फिल्टर्ड ट्रांसफॉर्मर्स द्वारा सीखे गए लेटेंट टास्क के निहित प्रायोर और पोस्टीरियर वितरणों का सीधे अनुमान लगाती है, जिससे नाजुक प्रेडिक्शन-स्पेस तुलनाओं की सीमाओं को दूर किया जा सके।
थ्राइव (thrIve) एक नॉइज़-अवेयर ट्रेनिंग पद्धति है जो महत्वपूर्ण मापदंडों को तापीय रूप से स्थिर हार्डवेयर पर संग्रहीत करने के लिए लो-रैंक अडैप्टेशन का लाभ उठाती है, जिससे विषम पीआईएम (PIM) आर्किटेक्चर पर सीएनएन (CNN) इन्फरेंस विभिन्न तापमानों में उच्च सटीकता बनाए रखते हुए SRAM-आधारित प्रणालियों की तुलना में ऊर्जा-विलंब उत्पाद (energy-delay product) में 5.4 गुना तक की कमी लाने में सक्षम होता है।
यह शोध पत्र पर्सिस्टेंट स्पार्स ऑटोएन्कोडर्स (Persistent Sparse Autoencoders) प्रस्तुत करता है, जो मानक SAEs का एक विस्तार है जो तेज़, स्थानीय डिटेक्टरों और धीमी, विषय-स्तरीय अर्थपूर्ण जानकारी दोनों को कैप्चर करने के लिए फीचर-विशिष्ट पर्सिस्टेंस गुणांकों (persistence coefficients) को सीखता है, जिससे लंबे संदर्भों में भाषा मॉडलों की अधिक प्रभावी व्याख्या और निगरानी संभव हो पाती है।
OrderMoE एक नवीन फ्रेमवर्क है जो विशेषज्ञ समानता (expert similarity) का लाभ उठाकर रिमोट विशेषज्ञों के लिए स्थानीय प्रतिस्थापन (local substitution) को सक्षम बनाता है, जिससे डिस्ट्रीब्यूटेड एज MoE इन्फरेंस को त्वरित किया जाता है, और यह इन्फरेंस की गुणवत्ता को नियंत्रित रखते हुए विलंबता (latency) और संचार ओवरहेड को महत्वपूर्ण रूप से कम करता है।
यह शोध पत्र यह प्रदर्शित करता है कि ट्रांसफॉर्मर-आधारित लार्ज लैंग्वेज मॉडल्स (LLMs), कार्य अपघटन (task decomposition) और संज्ञानात्मक सशक्तिकरण (cognitive empowerment) जैसी मानव-समान शिक्षण रणनीतियों को अपनाकर बेहतर अंकगणितीय प्रदर्शन प्राप्त कर सकते हैं, जो LLMs और मानव शिक्षार्थियों के बीच साझा संज्ञानात्मक प्रक्रियाओं का सुझाव देते हैं और व्याख्यात्मक एआई सत्यापन (explainable AI verification) के माध्यम से मॉडल की विश्वसनीयता को बढ़ाते हैं।
यह ट्यूटोरियल रेट-डिस्टॉर्शन-परसेप्शन (RDP) सिद्धांत का एक संरचित अवलोकन प्रदान करता है, जो जनरेटिव आर्किटेक्चर या एआई-सक्षम प्रणालियों पर जोर देने के बजाय, कोडिंग-सैद्धांतिक सिद्धांतों, विभिन्न संवेदी बाधाओं के तहत RDP फलन की गणना करने की कम्प्यूटेशनल विधियों और भविष्य की अनुसंधान दिशाओं पर ध्यान केंद्रित करता है।
यह शोध पत्र DynImmune-BERT प्रस्तुत करता है, जो एक नवीन निरंतर-समय (continuous-time) मॉडल है जो रोगी की प्रतिरक्षा स्थिति के बेहतर पूर्वानुमान के लिए अनुदैर्ध्य (longitudinal) टी सेल रिसेप्टर रिपरटॉय डायनेमिक्स को प्रभावी ढंग से कैप्चर करने हेतु न्यूरल ODEs और विशिष्ट अटेंशन मैकेनिज्म का लाभ उठाता है, जो टेम्पोरल इम्यून परिवर्तनों को दर्शाने में स्थिर भाषा मॉडलों की सीमाओं को संबोधित करता है।
यह शोध पत्र AIGB-R1 को प्रस्तुत करता है, जो एक पदानुक्रमित स्व-विकसित ऑटो-बिडिंग फ्रेमवर्क है जो रणनीतिक तर्क, संख्यात्मक सटीकता और अनुभव-संचालित लूप के माध्यम से स्वायत्त अनुकूलन को बढ़ाने के लिए एक प्लानर-एक्सेक्यूटर आर्किटेक्चर वाले लार्ज लैंग्वेज मॉडल्स और एक नवीन डिकपल्ड ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइजेशन (D-GRPO) एल्गोरिदम का लाभ उठाता है ताकि मौजूदा एआई-जनरेटेड बिडिंग विधियों की सीमाओं को दूर किया जा सके।
यह शोध पत्र एक पुनरावृत्ति ज्यामितीय एल्गोरिदम प्रस्तावित करता है जो स्थानीय सक्रिय सेट (active set) जानकारी पर आधारित उप-समस्याओं के एक अनुक्रम के माध्यम से एक प्रारंभिक पृथक हाइपरप्लेन को क्रमिक रूप से परिष्कृत करके, रैखिक रूप से विभाज्य डेटासेट के लिए अधिकतम-मार्जिन पृथक हाइपरप्लेन की कुशलतापूर्वक गणना करता है।