21965 पेपर
यह शोधपत्र यह प्रदर्शित करता है कि काउंटरफैक्चुअल स्पष्टीकरणों (counterfactual explanations) के स्थिर डेटासेट पर प्रशिक्षित भाषा मॉडल "इंट्रोस्पेक्टिव कपलिंग" (introspective coupling) विकसित कर सकते हैं, जहाँ उनके द्वारा उत्पन्न स्पष्टीकरण केवल स्थिर प्रशिक्षण लक्ष्यों की नकल करने के बजाय उनके अपने विकसित होते व्यवहारों के प्रति वफादार रहते हैं और उनका अनुसरण करते हैं।
यह शोध पत्र निरंतर उपचारों (continuous treatments) के लिए एक बहु-सुदृढ़ (multiply robust) और स्पर्शोन्मुखी रूप से सामान्य (asymptotically normal) कारण मध्यस्थता अनुमानक (causal mediation estimator) प्रस्तावित करता है जो सुदृढ़ता संबंधी आवश्यकताओं को शिथिल करने और बिना किसी कड़े पैरामीट्रिक धारणाओं पर निर्भर रहे न्यूसेंस मापदंडों (nuisance parameters) के लिए धीमी अभिसरण दरों (convergence rates) को समायोजित करने के लिए कर्नेल स्मूथिंग और क्रॉस-फिटिंग का उपयोग करता है।
यह शोध पत्र EVI-MMD का प्रस्ताव करता है, जो एक नवीन नियत (deterministic) सैंपलिंग विधि है जो एक ऊर्जात्मक वेरिएशनल इन्फरेंस (energetic variational inference) ढांचे और एक अनुकूली कर्नेल बैंडविड्थ रणनीति के माध्यम से मैक्सिमम मीन ディस्क्रीपेंसी (Maximum Mean Discrepancy) को न्यूनतम करके लक्षित वितरणों का सन्निकटन करता है, जो घनत्व-आधारित (density-based) और दो-नमूना जनरेटिव मॉडलिंग परिदृश्यों दोनों में उत्कृष्ट प्रदर्शन प्रदर्शित करता है।
यह शोधपत्र फेडरेटेड मल्टी-लेवल एडिटिव मॉडलिंग (FeMAM) का प्रस्ताव करता है, जो एक गतिशील और लागत-कुशल ढांचा है जो वैश्विक, उपसमूह और क्लाइंट-विशिष्ट मॉडलों के योगात्मक संयोजन के माध्यम से व्यक्तिगत भविष्यवक्ताओं का निर्माण करके फेडरेटेड लर्निंग में जटिल नॉन-आईआईडी (non-IID) डेटा विषमता को संबोधित करता है, जो प्रशिक्षण के दौरान अनुकूल रूप से विकसित और छंटनी (prune) होते हैं।
यह शोध पत्र BEACON को प्रस्तुत करता है, जो बेयसियन ऑप्टिमाइज़ेशन से प्रेरित एक सैंपल-कुशल नॉवेलिटी सर्च रणनीति है, जो मल्टी-आउटपुट गॉसियन प्रोसेस और अनिश्चितता-जागरूक डिस्टेंस-आधारित एक्विज़िशन का उपयोग करके सामग्रियों और आणविक डिज़ाइन जैसे महंगे ब्लैक-बॉक्स परिवेशों में विविध सिस्टम व्यवहारों को कुशलतापूर्वक खोजने के लिए किया जाता है।
यह शोध पत्र ANVIL को प्रस्तुत करता है, जो एक अनसुपरवाइज्ड (unsupervised) भेद्यता पहचान ढांचा है जो मास्क पुनर्निर्माण (masked reconstruction) और एक हाइब्रिड स्कोरिंग तंत्र के माध्यम से कोड विसंगतियों की पहचान करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जो सुपरवाइज्ड डिटेक्टरों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है और फज़र्स (fuzzers) के साथ एकीकृत होने पर पहले से अज्ञात कमजोरियों को सफलतापूर्वक उजागर करता है।
यह शोध पत्र MARS को पेश करता है, जो एक न्यूरोसिम्बोलिक फ्रेमवर्क है जो ड्रग डिस्कवरी (औषधि खोज) के लिए है, जो जैविक रूप से सार्थक भविष्यवाणियों को सुनिश्चित करने हेतु रीजनिंग शॉर्टकट्स (तर्क संबंधी शॉर्टकट) की पहचान और उन्हें कम करके व्याख्या योग्य मैकेनिज्म-ऑफ-एक्शन डिकनवोल्यूशन (क्रिया-विधि का विखंडन) करता है।
यह शोध पत्र आश्रित सेंसरिंग (dependent censoring) के तहत उत्तरजीविता मॉडलों (survival models) के मूल्यांकन में पारंपरिक IPCW विधियों की सीमाओं को संबोधित करने के लिए आर्किमेडियन कोपुला (Archimedean copulas) और कोपुला-ग्राफिक एस्टीमेटर (Copula-Graphic estimator) पर आधारित एक नवीन आश्रित ब्रायर स्कोर (dependent Brier score) प्रस्तावित करता है, जो एक अर्ध-सिंथेटिक ढांचे और 12 डेटासेट के माध्यम से यह प्रदर्शित करता है कि यह मानक दृष्टिकोणों की तुलना में अनुमान त्रुटि को 12-16% तक कम करता है।
यह शोध पत्र लार्ज लैंग्वेज मॉडल्स को फाइन-ट्यून करने के लिए रिवॉर्ड-आधारित RLHF और रिवॉर्ड-फ्री DPO के डिस्ट्रीब्यूशनली रोबस्ट वेरिएंट्स पेश करता है, जो कन्वर्जेंस गारंटी के साथ मिनीबैच ग्रेडिएंट डिसेंट एल्गोरिदम का प्रस्ताव देते हैं जो मानक तरीकों की तुलना में आउट-ऑफ-डिस्ट्रीब्यूशन कार्यों पर प्रदर्शन में महत्वपूर्ण सुधार करते हैं।