21502 पेपर
यह शोध पत्र प्रदर्शित करता है कि उच्च-निष्ठा वाले वेव-आधारित रूम-अकॉस्टिक सिमुलेशन के साथ संवर्धित डेटासेट्स पर डीप-लर्निंग-आधारित मल्टीचैनल स्पीच एन्हांसमेंट मॉडल्स को प्रशिक्षित करने से प्रदर्शन में महत्वपूर्ण सुधार होता है, जो लोअर-फिडेलिटी ज्योमेट्रिकल अकॉस्टिक्स डेटा पर प्रशिक्षित मॉडल्स की तुलना में मीडियन वर्ड एरर रेट में 38% तक की सापेक्ष कमी प्राप्त करता है।
यह शोध पत्र जनरेटिव मशीन लर्निंग में स्टोकेस्टिक और ऑर्डिनरी डिफरेंशियल इक्वेशंस के वेरिएशनल फ्रेमवर्क का एक अनौपचारिक, स्व-निहित परिचय प्रस्तुत करता है, जो यह प्रदर्शित करता है कि कैसे डिफ्यूजन मॉडल्स, स्कोर मैचिंग और फ्लो मैचिंग को एविडेंस लोअर बाउंड (ELBO) से व्युत्पन्न विशिष्ट पैरामीट्रिज़ेशन के रूप में एकीकृत किया गया है।
यह शोध पत्र विज़न-लैंग्वेज मॉडल्स के साथ इमेज क्लासिफिकेशन के लिए एक लोकलाइज्ड कॉन्फॉर्मल प्रेडिक्शन फ्रेमवर्क प्रस्तुत करता है, जो यह प्रदर्शित करता है कि जहाँ रॉ कोसाइन सिमिलरिटी (raw cosine similarity) नॉन-लोकल बेसलाइन्स से बेहतर प्रदर्शन करने में विफल रहती है, वहीं इन सिमिलरिटीज का एक प्रस्तावित सरल नॉन-लीनियर ट्रांसफॉर्मेशन मार्जिनल कवरेज गारंटी बनाए रखते हुए प्रेडिक्शन सेट के आकार को महत्वपूर्ण रूप से कम कर देता है।
यह शोध पत्र एक सरल, कुशल, ब्लैक-बॉक्स मजबूती माप प्रस्तावित करता है जो वास्तविक दुनिया के डेटासेट पर प्रयोगों के माध्यम से सत्यापित और तुलनात्मक विश्लेषण के लिए रोबस्टनेस कर्व्स (robustness curves) की शुरूआत द्वारा उन्नत, रैंडम इनपुट नॉइज़ के तहत एक न्यूरल नेटवर्क के मीन स्क्वेर्ड एरर (mean squared error) पर एक संभाव्य ऊपरी सीमा प्रदान करता है।
यह शोध पत्र REAL का प्रस्ताव करता है, जो एक मॉडल-आधारित रिक्वायरमेंट्स इंजीनियरिंग फ्रेमवर्क है जो डेटा, मॉडल और सिस्टम आवश्यकताओं को एकीकृत करता है और यह सुनिश्चित करने के लिए विफलता विश्लेषण और पुनरावृत्ति परिशोधन का लाभ उठाता है कि मशीन लर्निंग सिस्टम हितधारकों की जरूरतों के अनुरूप हों और विश्वसनीय हों।
यह शोध पत्र ऑप्टिमाइज़र के चयन को एलएलएम (LLM) में उभरते हुए मिसअलाइनमेंट (misalignment) के प्राथमिक चालक के रूप में पहचानता है, यह प्रदर्शित करते हुए कि जबकि विभिन्न ऑप्टिमाइज़र मॉडल के पैमाने की परवाह किए बिना बहुत अलग अलाइनमेंट परिणाम उत्पन्न करते हैं, इस प्रभाव को लोरा (LoRA) एडॉप्टर के सिंगुलर वैल्यू डिस्ट्रीब्यूशन पर स्पेक्ट्रल रेगुलराइजेशन (spectral regularisation) लागू करके काफी हद तक कम किया जा सकता है।
यह शोध पत्र तर्क देता है कि भाषा मॉडल द्वारा उत्पन्न संभाव्य कार्यक्रमों (प्रोबेबिलिस्टिक प्रोग्राम्स) के लिए, सांख्यिकीय शुद्धता को संकलन (कंपाइलेशन) के बजाय अंशांकन (कैलिब्रेशन) द्वारा परिभाषित किया जाता है, जो यह प्रदर्शित करता है कि बेयसियन वर्कफ़्लो-आधारित पहचान और मरम्मत, सांख्यिकीय मिसस्पेसिफिकेशन की पहचान करने और उन्हें ठीक करने में पारंपरिक यूनिट टेस्टिंग और स्व-समीक्षा विधियों की तुलना में काफी बेहतर प्रदर्शन करती है।
यह शोध पत्र लकीस्टार (LuckyStar) 111B को प्रस्तुत करता है, जो कोहेर (Cohere) और एलजी सीएनएस (LG CNS) द्वारा विकसित एक हाइब्रिड रीजनिंग मॉडल है, जो विशिष्ट फाइन-ट्यूनिंग और क्वांटाइजेशन रणनीतियों के माध्यम से कोरियाई-अंग्रेजी एंटरप्राइज एजेंटों के लिए एक पोस्ट-ट्रेन्ड मल्टीलिंगुअल बेस मॉडल को कुशलतापूर्वक अनुकूलित करता है, जिससे मेमोरी की सीमाओं के तहत सामान्य इंस्ट्रक्शन-फॉलोइंग गुणवत्ता बनाए रखते हुए फंक्शन कॉलिंग और एनएल2एसक्यूएल (NL2SQL) जैसी टूल-यूज़ क्षमताओं को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र ECHO को प्रस्तुत करता है, जो लॉन्ग-होरिज़न लैंग्वेज एजेंटों के लिए एक चयनात्मक टर्न-मेमोरी फ्रेमवर्क है जो ट्रेस करने योग्य सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) और सूक्ष्म-स्तरीय साक्ष्य पुन: उपयोग को सक्षम करने के लिए वातावरण के टर्न्स को सोर्स-इंडेक्स्ड रिकॉर्ड्स में संकुचित करता है, जिससे मौजूदा कॉन्टेक्स्ट-मैनेजमेंट विधियों की तुलना में BrowseComp-Plus जैसे बेंचमार्क पर बेहतर प्रदर्शन और सामान्यीकरण प्राप्त होता है।
यह शोध पत्र AD-CERT को प्रस्तुत करता है, जो एक प्रमाणित प्रशिक्षण ढांचा (certified training framework) है जो एक अनुभवजन्य रूप से सुदृढ़ शिक्षक (empirically robust teacher) से एडवरसेरियल डिस्टिलेशन (adversarial distillation) को इंटरवल बाउंड प्रोपेगेशन (Interval Bound Propagation) के साथ जोड़ता है ताकि अत्याधुनिक प्रमाणित सुदृढ़ता (certified robustness) प्राप्त की जा सके और मानक सटीकता (standard accuracy) एवं औपचारिक सत्यापन (formal verification) के बीच के संतुलन में महत्वपूर्ण सुधार किया जा सके।