21965 पेपर
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।
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।