21965 पेपर
यह शोध पत्र यह प्रदर्शित करके वॉल्यूम परिकल्पना (volume hypothesis) में स्पष्ट विरोधाभास को सुलझाता है कि जैसे-जैसे प्रशिक्षण डेटासेट का आकार बढ़ता है, रैंडम सैंपलिंग की तुलना में ग्रेडिएंट-आधारित लर्निंग का सामान्यीकरण लाभ कम होता जाता है, जो यह सुझाव देता है कि यह परिकल्पना मुख्य रूप से छोटे डेटा शासन (data regimes) में सत्य है।
यह शोध पत्र यह प्रदर्शित करता है कि डीप रिइन्फोर्समेंट लर्निंग, जिसे डायनेमिक्स रैंडमाइजेशन द्वारा उन्नत किया गया है और एक हाइब्रिड फ्रेमवर्क में पारंपरिक PID नियंत्रण के साथ संयोजित किया गया है, वायुमंडलीय पुन: प्रवेश के दौरान अंतरिक्ष यान के अभिवृत्ति नियंत्रण (स्पेसक्राफ्ट एटीट्यूड कंट्रोल) के लिए मानक उद्योग दृष्टिकोणों की तुलना में बेहतर मजबूती और ट्रैकिंग प्रदर्शन प्राप्त करता है।
यह शोधपत्र AutoSafe को प्रस्तुत करता है, जो एक नवीन पॉलिसी आर्किटेक्चर है जो एक्शन जनरेशन में सीधे संरचित सुरक्षा निगरानी को एकीकृत करता है ताकि प्रदर्शन और सुरक्षा व्यवहारों के बीच सुचारू, जोखिम-निर्भर संक्रमण सक्षम किया जा सके, जिससे सिम्युलेटेड बेंचमार्क और वास्तविक भौतिक प्रणालियों दोनों में लर्निंग डायनेमिक्स से समझौता किए बिना सुदृढ़ सुरक्षा प्रवर्तन प्राप्त किया जा सके।
यह शोधपत्र वर्टिकल फेडरेटेड लर्निंग के लिए एक व्याख्या योग्य, विश्लेषणात्मक रूप से व्युत्पन्न राउटर का प्रस्ताव करता है जो नमूनों को संचार-गहन फ्यूजन राउंड में केवल तभी चुनिष्ट रूप से बढ़ाता है जब भविष्यवाणी की शुद्धता में अपेक्षित लाभ अतिरिक्त ओवरहेड को उचित ठहराता है, जिससे एक अलग से प्रशिक्षित रूटिंग नेटवर्क की आवश्यकता के बिना संचार-सटीकता के बीच के संतुलन को अनुकूलित किया जा सके।
यह शोधपत्र Dualformer का प्रस्ताव करता है, जो एक नवीन Transformer-आधारित द्वि-चैनल (dual-channel) न्यूरल नेटवर्क है जो IQ चैनलों के बीच पैरामीटर शेयरिंग के माध्यम से जटिल-मान वाले (complex-valued) संकेतों को कुशलतापूर्वक संसाधित करता है, और ऑटोमैटिक मॉड्यूलेशन रिकग्निशन, सिग्नल स्कीम रिकग्निशन और सिग्नल स्ट्रक्चर पार्सिंग जैसे ब्लाइंड कम्युनिकेशन सिग्नल विश्लेषण कार्यों में उत्कृष्ट प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र यह प्रदर्शित करता है कि LLM एजेंट फीडबैक लूप में मूल्यांकनकर्ता के निर्णयों पर प्रायिकता अंशांकन (probability calibration) लागू करना प्रभावी रूप से मूल्यांकनकर्ता प्राथमिकता युग्मन (evaluator preference coupling) को कम करता है, जो मानक बाइनरी फीडबैक विधियों की तुलना में युग्मन गुणांक और वितरण विचलन (distributional divergence) दोनों को महत्वपूर्ण रूप से कम करता है।
यह शोध पत्र 'मिक्सचर-ऑफ-कंट्रोल' (MoC) को प्रस्तुत करता है, जो एक हल्का फाइन-ट्यूनिंग फ्रेमवर्क है जो ब्लॉक-वाइज कंट्रोल स्टेट्स को एक स्पार्स मिक्सचर-ऑफ-एक्सपर्ट्स प्रक्रिया में विशेषज्ञों के रूप में मानकर ट्रांसफॉर्मर्स के लिए स्टेट-आधारित अनुकूलन को बढ़ाता है, जिससे मेमोरी या कम्प्यूटेशनल दक्षता से समझौता किए बिना कुशल क्रॉस-ब्लॉक संचार और श्रेष्ठ रिप्रेजेंटेशन लर्निंग सक्षम होती है।
यह शोधपत्र एक भाषाई-अपरिवर्तनीय (linguistic-invariant) स्पूफिंग डिटेक्शन फ्रेमवर्क प्रस्तावित करता है जो भाषाई पूर्वाग्रह को कम करने के लिए ग्रेडिएंट रिवर्सल और एक वेरिएशनल इंफॉर्मेशन बॉटलनेक के साथ टीचर-स्टूडेंट एडवर्सरियल लर्निंग दृष्टिकोण को जोड़ता है, जिससे नौ डेटासेट्स में बेसलाइन्स की तुलना में इक्वल एरर रेट (Equal Error Rate) में 36.2% की सापेक्ष कमी प्राप्त होती है।
यह शोध पत्र Hard-Routed MoR-LoRA का प्रस्ताव करता है, जो एक दो-चरणीय ढांचा है जो एक हल्के राउटर का उपयोग करके स्वतंत्र रूप से प्रशिक्षित फ्रोजन रीजनिंग LoRA विशेषज्ञों को कंपोज़ करता है, जो हार्ड टॉप-1 रूटिंग के माध्यम से प्रति टोकन ठीक एक विशेषज्ञ का चयन करता है, जिससे विशेषज्ञों के मूल यूनिट-स्केल एडिटिव अपडेट को सुरक्षित रखते हुए सॉफ्ट-रूटिंग बेसलाइन की तुलना में काफी कम प्रशिक्षण योग्य पैरामीटरों की आवश्यकता होती है।
यह शोध पत्र GoodQ को प्रस्तुत करता है, जो ऑब्जेक्ट डिटेक्टरों के लिए एक ज़ीरो-शॉट क्वांटिज़ेशन फ्रेमवर्क है जो मल्टी-इंस्टेंस जनरेशन, क्लास डिस्ट्रीब्यूशन इम्बैलेंस और सूडो-लेबल नॉइज़ की चुनौतियों से निपटने के लिए विशेष रणनीतियों के साथ ऑफ-द-शेल्फ जेनरेटिव मॉडल्स का लाभ उठाता है, जिससे मूल प्रशिक्षण डेटा तक पहुँच के बिना लो-बिट और एक्सट्रीम बिट-विड्थ क्वांटिज़ेशन में अत्याधुनिक प्रदर्शन प्राप्त होता है।