21502 पेपर
यह शोधपत्र एक सरल, रचनात्मक रिडक्शन (reduction) प्रस्तुत करता है जो सामान्य स्कोर-आधारित सैंपलिंग को स्ट्रॉन्गली लॉग-कॉन्केव उप-समस्याओं के एक अनुक्रम में रूपांतरित करता है, जिससे लॉग-कॉन्केव वितरणों के लिए कंडीशन नंबर पर लॉगरिदमिक निर्भरता के साथ बेहतर जटिलता सीमाओं (complexity bounds) को प्राप्त करने के लिए मौजूदा कुशल सैंपलर का उपयोग संभव हो पाता है।
यह शोध पत्र एक नवीन वितरित ऑनलाइन उत्तल अनुकूलन (डिस्ट्रिब्यूटेड ऑनलाइन कॉनवेक्स ऑप्टिमाइज़ेशन) एल्गोरिदम प्रस्तावित करता है जिसमें बेहतर रिग्रेट बाउंड्स प्राप्त करने के लिए ऑनलाइन गॉसिप और त्रुटि क्षतिपूर्ति के साथ एक टू-लेवल ब्लॉकिंग अपडेट फ्रेमवर्क है, और यह समस्या के लिए प्रथम लोअर बाउंड्स स्थापित करता है, जिससे संपीड़न गुणवत्ता और समय क्षितिज के संबंध में परिणामों की इष्टतमता सिद्ध होती है।
यह शोध पत्र OpFML को प्रस्तुत करता है, जो एक कॉन्फ़िगर करने योग्य पाइपलाइन है जो अर्थ विज्ञान अनुप्रयोगों के लिए मशीन लर्निंग मॉडल की परिचालन तैनाती को सुव्यवस्थित करने के लिए डेटा उपभोग, आकस्मिकता प्रबंधन, प्रीप्रोसेसिंग और मॉडल अनुमान को एक एकल वर्कफ़्लो में समेकित करती है, जिसे दक्षिणी इटली में दैनिक अग्नि गतिविधि पूर्वानुमान के माध्यम से प्रदर्शित किया गया है।
यह शोध पत्र KAGE-Bench प्रस्तुत करता है, जो KAGE-Env प्लेटफॉर्म पर निर्मित एक उच्च-गति वाला JAX-नेटिव बेंचमार्क है जो सुव्यवस्थित रूप से सुदृढीकरण लर्निंग (reinforcement learning) एजेंटों पर विशिष्ट दृश्य वितरण परिवर्तनों (visual distribution shifts) के प्रभाव को अलग करता और उनका मूल्यांकन करता है, यह प्रकट करते हुए कि बैकग्राउंड और फोटोमेट्रिक परिवर्तन अक्सर विनाशकारी विफलता का कारण बनते हैं जबकि एजेंट-उपस्थिति में बदलाव अधिक सौम्य होते हैं।
यह शोध पत्र MVC-CDE का प्रस्ताव करता है, जो एक नवीन न्यूरल CDE फ्रेमवर्क है जो कुशल प्रक्षेपवक्र नियमितता (trajectory regularity) के लिए कर्नेल/गौसियन प्रोसेस स्मूथिंग को खोए हुए विवरणों को पुनः प्राप्त करने के लिए एक अटेंशन-आधारित मल्टी-व्यू मैकेनिज्म के साथ जोड़ता है, जिससे पारंपरिक स्प्लाइन-आधारित विधियों की तुलना में कम्प्यूटेशनल लागत को काफी कम करते हुए अत्याधुनिक सटीकता प्राप्त होती है।
यह शोध पत्र सीमा वाले मैनिफोल्ड्स (manifolds with boundary) पर ज्यामिति-संरक्षण वाले न्यूरल आर्किटेक्चर के लिए एक एकीकृत ढांचे को प्रस्तुत करता है, जो विभिन्न बाधा प्रवर्तन रणनीतियों (constraint enforcement strategies) के लिए सन्निकटन प्रमेयों (approximation theorems) को सिद्ध करता है और प्रयोगों के माध्यम से यह प्रदर्शित करता है कि अंतिम संवर्धन (final augmentation) एक सरल, उच्च-प्रदर्शन वाला विकल्प प्रदान करता है और साथ ही अज्ञात बाधाओं के लिए डेटा-संचालित प्रक्षेपों (data-driven projections) को सक्षम भी करता है।
MMLoP एक अत्यधिक पैरामीटर-कुशल मल्टी-मोडल प्रॉम्प्टिंग फ्रेमवर्क पेश करता है जो लो-रैंक फैक्टराइजेशन और गहरे क्रॉस-मोडल संरेखण एवं प्रतिनिधित्व स्थिरता को सुनिश्चित करने के लिए तीन नवीन रेगुलाइजेशन घटकों का लाभ उठाकर केवल 11.5K प्रशिक्षण योग्य पैरामीटर के साथ स्टेट-ऑफ-द-आर्ट विजन-लैंग्वेज एडाप्टेशन प्रदर्शन प्राप्त करता है।
यह शोध पत्र मौजूदा टेस्ट-टाइम गाइडेंस विधियों में उन संरचनात्मक दोषों की पहचान करता है जो उन्हें वास्तविक बायेसियन पोस्टीरियर (Bayesian posterior) को पुनः प्राप्त करने से रोकते हैं और सुसंगत वैकल्पिक अनुमानकों (estimators) का प्रस्ताव करता है जो कैलिब्रेटेड सैंपलिंग (calibrated sampling) को सक्षम बनाते हैं, जिससे बायेसियन इन्फरेंस कार्यों और ब्लैक होल इमेज पुनर्निर्माण पर प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र MetaOthello प्रस्तुत करता है, जो ओथेलो के वेरिएंट्स का एक नियंत्रित समूह है, जो यह प्रदर्शित करता है कि कई खेल नियमों पर प्रशिक्षित ट्रांसफॉर्मर अपने शिक्षण को अलग-अलग उप-मॉडलों में अलग नहीं करते हैं, बल्कि इसके बजाय एक साझा, कारणतः हस्तांतरणीय (causally transferable) बोर्ड-स्टेट प्रतिनिधित्व पर अभिसरित होते हैं जो स्तरित विशिष्टता और ज्यामितीय संरेखण के माध्यम से कई विश्व मॉडलों को व्यवस्थित करता है।
यह शोध पत्र आधुनिक टोकनाइज़र और स्पार्स रिट्रीवल (sparse retrieval) की आवश्यकताओं के बीच "वोकैबुलरी गैप" (vocabulary gap) को उन्नत एनकोडर्स के कम प्रदर्शन का कारण बताता है, और एक मॉडल-अज्ञेयवादी (model-agnostic) "वोकैबुलरी ट्रांसफर" फ्रेमवर्क प्रस्तावित करता है जो BEIR जैसे बेंचमार्क पर अत्याधुनिक परिणाम प्राप्त करने के लिए इस अंतर को सफलतापूर्वक पाटता है।