21502 पेपर
यह शोध पत्र एक सामान्यीकृत -स्मूथनेस (smoothness) स्थिति को प्रदर्शित करके लर्निंग रेट वॉर्म-अप (learning rate warm-up) के लिए एक सैद्धांतिक औचित्य प्रदान करता है, जो न्यूरल नेटवर्क में शुरुआती प्रशिक्षण वक्रता (early-training curvature) को सटीक रूप से मॉडल करती है, और स्वाभाविक रूप से एक ऐसा वॉर्म-अप शेड्यूल प्रेरित करती है जो निश्चित लर्निंग रेट की तुलना में प्रमाणित रूप से तेज़ अभिसरण (convergence) प्रदान करता है।
यह शोध पत्र मेडिकल स्क्रीनिंग में ग्राउंड ट्रुथ लेबल का अनुमान लगाने के लिए एक अनुकूली (adaptive), रियल-टाइम विधि प्रस्तावित करता है, जो इंस्टेंस की कठिनाई के आधार पर कई अज्ञात विशेषज्ञों से गतिशील रूप से प्रश्न पूछकर (dynamically querying) एनोटेशन ओवरहेड को 50% तक कम करता है और साथ ही गैर-अनुकूली बेसलाइन के समान सटीकता बनाए रखता है।
यह शोध पत्र एक बेयसियन इनवर्स रिइन्फोर्समेंट लर्निंग फ्रेमवर्क प्रस्तुत करता है जो एलएलएम (LLM) ऑब्जेक्टिव ऑडिटिंग को एकल-बिंदु अनुमान से एक कठोर सत्यापन प्रक्रिया में परिवर्तित करता है, जिससे गैर-पहचान क्षमता (non-identifiability) का परिमाणीकरण, सुरक्षा जोखिमों के लिए अनिश्चितता-जागरूक डायग्नोस्टिक्स का सृजन, और प्रभावी आरएलएचएफ (RLHF) अलाइनमेंट के लिए परिष्कृत रिवार्ड्स का सत्यापन सक्षम होता है।
यह शोध पत्र न्यूरल ऑपरेटर्स के लिए एक सॉल्वर-एकीकृत ढांचे (solver-integrated framework) को प्रस्तुत करता है जो सामान्यीकरण (generalization) और मजबूती (robustness) के मेट्रिक्स को पुनर्परिभाषित करता है, संगत प्रतिकूल हमलों (adversarial attacks) और प्रशिक्षण विधियों को विकसित करता है, और यह प्रदर्शित करता है कि संख्यात्मक सॉल्वर का गहरा एकीकरण PDE बेंचमार्क पर मॉडल की सामान्यीकरण क्षमता और मजबूती दोनों को महत्वपूर्ण रूप से बढ़ाता है।
यह अध्ययन PCP-GAN को प्रस्तुत करता है, जो एक मल्टी-कंडीशनल जेनेरेटिव एडवरसैरियल नेटवर्क है जो डेटा की कमी और स्थानिक विषमता को दूर करने के लिए RGB थिन सेक्शन्स से प्रतिनिधि, गुण-प्रतिबंधित पोर-स्केल चित्र उत्पन्न करता है, जो यादृच्छिक रूप से निकाले गए वास्तविक उप-चित्रों की तुलना में सरंध्रता (porosity), खनिज विज्ञान और रूपात्मक विशेषताओं में काफी उच्च निष्ठा प्राप्त करता है।
यह शोध पत्र यह प्रदर्शित करता है कि एक प्रतीकात्मक इनडायरेक्ट ऑब्जेक्ट आइडेंटिफिकेशन (Indirect Object Identification) कार्य पर स्क्रैच से छोटे, अटेंशन-ओनली ट्रांसफॉर्मर्स को प्रशिक्षित करने से न्यूनतम, अत्यधिक व्याख्या योग्य सर्किट—विशेष रूप से एक दो-हेड सिंगल-लेयर मॉडल—प्राप्त होते हैं जो विशिष्ट योगात्मक (additive) और विरोधाभासी (contrastive) उप-सर्किट्स के माध्यम से पूर्ण सटीकता प्राप्त करते हैं, जिससे ट्रांसफॉर्मर रीजनिंग के कम्प्यूटेशनल आधारों को समझने के लिए एक नियंत्रित ढांचा प्रदान होता है।
यह शोध पत्र डेटा कर्नेल पर्सपेक्टिव स्पेस पद्धति का उपयोग करके ब्लैक-बॉक्स जनरेटिव मॉडल्स के रिस्पॉन्स-आधारित वेक्टर एम्बेडिंग्स के लिए उच्च-संभाव्यता सांद्रता सीमाएं (high-probability concentration bounds) स्थापित करता है, जिससे जनसंख्या-स्तर के एम्बेडिंग्स को सटीक रूप से अनुमानित करने के लिए आवश्यक नमूना आकार निर्धारित होता है और शोर युक्त क्लासिकल मल्टीडायमेंशनल स्केलिंग (noisy Classical Multidimensional Scaling) पर लागू होने वाले बीजगणितीय उपकरण प्रदान करता है।
यह शोध पत्र तीन वॉर्म-स्टार्ट रणनीतियों को प्रस्तुत करता है जो क्रमिक अपडेट के दौरान पुनरावृत्ति गॉसियन प्रोसेस सॉल्वर के अभिसरण (convergence) को महत्वपूर्ण रूप से तेज करने के लिए छोटे रैखिक प्रणालियों के समाधानों का लाभ उठाते हैं, जिससे बेयसियन ऑप्टिमाइज़ेशन जैसे कार्यों में कम्प्यूटेशनल दक्षता और पोस्टीरियर सटीकता दोनों में सुधार होता है।
यह शोध पत्र डिकम्पोजिशन, थ्रेशोल्डिंग और स्केलिंग (DTS) का प्रस्ताव करता है, जो एक अत्यधिक स्टोरेज-कुशल व्यक्तिगत मॉडल मर्जिंग फ्रेमवर्क है जो सिंगुलर वैल्यू डिकम्पोजिशन और सिमेंटिक सिमिलरिटी का लाभ उठाकर प्रति कार्य केवल 1% अतिरिक्त स्टोरेज के साथ कार्य-विशिष्ट प्रदर्शन को सुरक्षित रखता है और अनदेखे कार्यों के लिए सामान्यीकरण करता है।
यह शोध पत्र SparsePixels को पेश करता है, जो एक FPGA-आधारित फ्रेमवर्क है जो केवल सक्रिय पिक्सेल पर चुनिंदा रूप से गणना करके विरल डेटा (sparse data) के लिए निरंतर-विलंबता (constant-latency) अनुमान प्राप्त करता है, और न्यूनतम प्रदर्शन हानि के साथ न्यूट्रिनो इंटरेक्शन की पहचान के लिए मानक डेंस CNNs की तुलना में 73 गुना गति वृद्धि प्रदर्शित करता है।