21502 पेपर
यह शोध पत्र एक बाउंड्री-एनफोर्स्ड रेक्टिफाइड फ्लो मॉडल प्रस्तावित करता है जो अनकन्स्ट्रेंड न्यूरल नेटवर्क की सीमा को संबोधित करता है जो बाउंड्री कंडीशंस को संतुष्ट करने में विफल रहते हैं, जिससे ODE और SDE सैंपलिंग के दौरान वेलोसिटी फील्ड एस्टीमेशन त्रुटियों को कम करके ImageNet पर जेनेरेटिव मॉडलिंग प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एक लेटेंट स्कोर-आधारित जनरेटिव एआई फ्रेमवर्क प्रस्तावित करता है जो नॉनलीनर डायनेमिकल सिस्टम्स के लिए स्टोकेस्टिक, नॉन-लोकल क्लोजर लॉज़ को कुशलतापूर्वक सीखने के लिए कंडीशनल डिफ्यूजन मॉडल्स के साथ कन्वोल्यूशनल ऑटोएनकोडर्स को संयुक्त रूप से प्रशिक्षित करता है, जिससे मानक फिजिकल-स्पेस डिफ्यूजन मॉडल्स के तुलनीय प्रेडिक्टिव सटीकता बनाए रखते हुए महत्वपूर्ण कम्प्यूटेशनल त्वरण प्राप्त होता है।
यह शोध पत्र विरल अवलोकनों से क्वाजी-जियोस्ट्रोफिक टर्बुलेंस (quasi-geostrophic turbulence) को सुपर-रिज़ॉलव और अनुमानित करने के लिए चार जनरेटिव डिफ्यूजन मॉडल्स का मूल्यांकन करता है, जिसमें यह पाया गया है कि जबकि गाइडेड अनकंडीशनल दृष्टिकोण लागू करने में आसान हैं, कंडीशनल मॉडल (वैनिला और क्लासिफायर-फ्री गाइडेंस) पुन: प्रशिक्षण की आवश्यकता के बावजूद, अनदेखे सूक्ष्म-स्तरीय विशेषताओं के पुनर्निर्माण और टर्बुलेंस सांख्यिकी को सटीक रूप से पकड़ने के लिए श्रेष्ठ हैं।
यह शोध पत्र सुपरवाइज्ड और अनसुपरवाइज्ड डाइमेंशनलिटी रिडक्शन के लिए एक नवीन फ्रेमवर्क प्रस्तावित करता है जो सैंपल-डिस्टिंक्ट और आइगेनइमेज-इंटरप्रिटेबल रिप्रेजेंटेशन उत्पन्न करने के लिए तीन नए इंडिपेंडेंस क्राइटेरिया का उपयोग करता है, जो MNIST और जेंडर फेस डेटासेट्स पर PCA, t-SNE, LDA और VAE जैसे स्थापित बेसलाइन्स की तुलना में कंट्रास्ट, क्लासिफिकेशन एक्यूरेसी और इंटरप्रिटेबिलिटी में महत्वपूर्ण सुधार प्राप्त करता है।
यह शोध पत्र मैकेनिस्टिक टॉपिक मॉडल्स (MTMs) को प्रस्तुत करता है, जो पारंपरिक शब्द-आधारित टॉपिक मॉडल्स की अर्थ संबंधी सीमाओं को दूर करने के लिए स्पार्स ऑटोएनकोडर फीचर्स का लाभ उठाते हैं, जिससे गहरे वैचारिक विषयों की खोज, अभिव्यंजक फीचर विवरणों का सृजन और नियंत्रणीय टेक्स्ट स्टीयरिंग सक्षम होती है।
यह शोध पत्र विषम अनुरोध लंबाई (heterogeneous request lengths) के साथ निश्चित KV-कैश बाधाओं (fixed KV-cache constraints) के तहत ऑफलाइन LLM सर्विंग शेड्यूलिंग की NP-हार्ड समस्या को संबोधित करने के लिए सॉर्टेड-F (Sorted-F) एल्गोरिदम का प्रस्ताव देता है, जो एक स्थिर-कारक सन्निकटन गारंटी (constant-factor approximation guarantee) प्राप्त करता है और मानक बेसलाइन की तुलना में एंड-टू-एंड विलंबता (end-to-end latency) को काफी कम करता है।
यह शोध पत्र "फ्रेंड और फो" (दोस्त या दुश्मन) को प्रस्तुत करता है, जो 10,000 युग्मों के माध्यम से 26 मिलियन से अधिक सिम्युलेटेड (कृत्रिम रूप से निर्मित) जीवाणु अंतःक्रिया वातावरणों का एक बड़े पैमाने का संग्रह है, जिसे सूक्ष्मजीव प्रतिस्पर्धा और सहयोग के तंत्रों को उजागर करने के लिए मशीन लर्निंग का लाभ उठाने के लिए डिज़ाइन किया गया है।
यह शोधपत्र सामान्य सदिशों (normal vectors) को आकार के एक सेट तक सीमित करके, बिना पॉइंट सिंथेसिस के हाफस्पेस (halfspaces) को सक्रिय रूप से सीखने के लिए कुशल एल्गोरिदम प्रस्तुत करता है, जो सटीक शिक्षण (exact learning) के लिए की टाइट क्वेरी बाउंड्स और PAC-लर्निंग के लिए लगभग इष्टतम बाउंड्स प्राप्त करता है, जिससे पिछले अंतराल भर जाते हैं और कई क्रमों (orderings) के तहत मोनोटोोनिक बूलियन फलनों (monotone Boolean functions) के लिए सामान्यीकरण किया जाता है।
यह शोध पत्र एक हल्का, विशेषज्ञ-निर्देशित क्वेरी-आधारित मॉडल सहयोग ढांचा प्रस्तुत करता है जो नैदानिक पाठ संवर्धन (clinical text augmentation) को बढ़ाता है और भ्रम (hallucinations) को काफी कम करते हुए महत्वपूर्ण चिकित्सा जानकारी को सुरक्षित रखता है, जिससे उच्च-जोखिम वाले स्वास्थ्य सेवा अनुप्रयोगों के लिए सुरक्षित और अधिक प्रभावी डेटा निर्माण सक्षम होता है।
यह शोध पत्र LEGO को प्रस्तुत करता है, जो एक सुदृढ़ स्पेक्ट्रल विधि है जो पारंपरिक लोकल प्रिंसिपल कंपोनेंट एनालिसिस (Local Principal Component Analysis) में निहित शोर संवेदनशीलता और पड़ोस के आकार के बीच के समझौतों से पार पाने के लिए लो-फ्रीक्वेंसी ग्राफ लाप्लासियन आइजनवेक्टर्स (low-frequency graph Laplacian eigenvectors) के ग्रेडिएंट्स को ऑर्थोगोनलाइज़ करके टैनजेंट स्पेस का अनुमान लगाता है।