21502 पेपर
यह शोध पत्र शुरुआती स्नातक छात्रों के लिए डिफ्यूजन मॉडल्स का एक प्रमाण-उन्मुख परिचय प्रदान करता है, जो मुख्य परिभाषाओं, प्रतिनिधि अनुमानों और अनुसंधान-स्तरीय प्रमेयों की एक स्तरित प्रस्तुति के माध्यम से शास्त्रीय सैंपलिंग गतिकी से आधुनिक सैंपलर, त्रुटि विश्लेषण और इन्फरेंस-टाइम नियंत्रण तक एक एकीकृत पथ को रेखांकित करता है।
यह शोधपत्र COMFYCLAW को प्रस्तुत करता है, जो एक स्व-विकसित (self-evolving) एजेंटिक फ्रेमवर्क है जो निर्माण को टाइप किए गए ग्राफ संपादन (typed graph editing) के रूप में मानकर, मरम्मत के लिए विजन-लैंग्वेज मॉडल सत्यापनकर्ता का उपयोग करके, और पिछले निष्पादन डेटा को प्रगतिशील रूप से प्रकट होने वाली कौशल लाइब्रेरी में संकुचित (distill) करके इमेज जनरेशन वर्कफ़्लो को बढ़ाता है ताकि एजेंट की विश्वसनीयता और प्रदर्शन में महत्वपूर्ण सुधार किया जा सके।
यह शोध पत्र एक रोल-अवेयर न्यूरल कॉनवेक्स डायवर्जेंस हेड प्रस्तावित करता है जो रिप्रजेंटेशन लर्निंग में एसिमेट्रिक संबंधों को प्रभावी ढंग से मॉडल करने के लिए इनपुट-कॉन्वेक्स न्यूरल ब्रेगमैन डायवर्जेंस के साथ सोर्स- और टारगेट-रोल प्रोजेक्शन का लाभ उठाता है, जो नॉन-नेगेटिव स्ट्रक्चर्ड स्कोर्स को बनाए रखते हुए सिमेंटिक और ऑन्टोलॉजी बेंचमार्क में दिशात्मक सटीकता में निरंतर सुधार प्रदर्शित करता है।
यह शोध पत्र इस धारणा को चुनौती देता है कि निरंतर पोस्ट-ट्रेनिंग के लिए ऑन-पॉलिसी सेल्फ-डिस्टिलेशन एक बेहतर दृष्टिकोण है, जो SDPO प्रयोगों के माध्यम से यह प्रदर्शित करता है कि जबकि यह इन-डोमेन विशेषज्ञता में तेजी लाता है, यह अक्सर ऑन-पॉलिसी सुदृढीकरण सीखने (रिनफोर्समेंट लर्निंग) की विधियों की तुलना में अधिक पैरामीटर ड्रिफ्ट और प्रवर्धित फॉर्मेटिंग आर्टिफैक्ट्स के कारण अधिक विस्मृति (फॉरगेटिंग) और मॉडल कोलैप्स की ओर ले जाता है।
यह शोध पत्र 'सेट डिफ्यूजन' (Set Diffusion) को प्रस्तुत करता है, जो भाषा मॉडलों का एक नया वर्ग है जो मौजूदा ऑटोरिग्रेसिव (autoregressive) और ब्लॉक डिफ्यूजन दृष्टिकोणों की तुलना में तेज़ इन्फरेंस और बेहतर गति-गुणवत्ता ट्रेडऑफ़ प्राप्त करने के लिए KV कैश सपोर्ट के साथ लचीले, मनमाने क्रम वाले टोकन सेट जनरेशन को जोड़ता है।
यह व्यवहार्यता अध्ययन यह प्रदर्शित करता है कि एक सिंगल-चैनल कंज्यूमर-ग्रेड ईईजी (EEG) डिवाइस का उपयोग करने वाला एक हाइब्रिड CNN+LSTM+Attention मॉडल, विषय-विशिष्ट (within-subject) सेटिंग्स में 78.5% तक की सटीकता के साथ आसान और कठिन शैक्षिक वीडियो सामग्री के बीच अंतर कर सकता है, जबकि यह विषय-स्वतंत्र (subject-independent) मूल्यांकन की आवश्यकता पर जोर देता है और ऑनलाइन लर्निंग में वास्तविक समय में संज्ञानात्मक भार (cognitive load) के दृश्यता (visualization) के लिए एक ओपन-सोर्स टूल प्रदान करता है।
यह शोध पत्र एक्सपैंडर स्पार्स ऑटोएनकोडर (Expander Sparse Autoencoders) का परिचय देता है, जो एक पैरामीटर-कुशल संस्करण है जो उच्च फीचर रिकवरी फिडेलिटी बनाए रखते हुए और पहचान क्षमता (identifiability) तथा सटीक सपोर्ट रिकवरी के लिए सैद्धांतिक गारंटी प्रदान करते हुए डिकोडर स्टोरेज और कम्प्यूटेशनल लागत को नाटकीय रूप से कम करने के लिए लेफ्ट--रेगुलर एक्सपैंडर मास्क का उपयोग करता है।
यह शोध पत्र प्रकट करता है कि समन्वित उपयोगकर्ता मैट्रिक्स फैक्टराइजेशन (matrix factorization) पर आधारित क्राउडसोर्स्ड फैक्ट-चेकिंग सिस्टम को कृत्रिम सर्वसम्मति बनाने के लिए रणनीतिक रूप से हेरफेर कर सकते हैं, जिससे लेखक X के कम्युनिटी नोट्स एल्गोरिदम के भीतर विशिष्ट शमन (mitigations) विकसित और तैनात करने के लिए प्रेरित हुए।
यह शोध पत्र बहुभिन्निकीय समय-श्रृंखला पुनर्वास डेटा के लिए अनुकूलन योग्य, समूह-आधारित प्रति-तथ्यात्मक स्पष्टीकरण उत्पन्न करने हेतु 'लर्नेबल गेट' (Learnable Gate) विधियों का उपयोग करने वाले एक द्वि-चरणीय ढांचे का प्रस्ताव करता है, जो व्यक्तिगत सेंसर चैनल स्तर के बजाय मांसपेशी-समूह स्तर पर विरल, बायोमैकेनिकल रूप से सुसंगत मार्गदर्शन उत्पन्न करके व्याख्यात्मकता को नैदानिक तर्क के साथ प्रभावी ढंग से संरेखित करता है।
यह शोध पत्र Decomposer को प्रस्तुत करता है, जो एक दो-चरणीय पोस्ट-ट्रेनिंग फ्रेमवर्क है जो सिंथेटिक डेटा और सुदृढीकरण शिक्षण (reinforcement learning) का उपयोग करके प्रतीकात्मक MIDI संगीत को पठनीय, निष्पादन योग्य स्ट्रूडल (Strudel) प्रोग्राम में प्रभावी ढंग से डिकंपाइल करता है, जो पुनर्निर्माण सटीकता और कोड गुणवत्ता दोनों में मौजूदा मॉडलों से बेहतर प्रदर्शन करता है।