21965 पेपर
यह शोध पत्र SPAN को प्रस्तुत करता है, जो कि सुदृढीकरण शिक्षण (reinforcement learning) के लिए एक स्प्लाइन-आधारित अनुकूलन योग्य न्यूरल आर्किटेक्चर है, जो प्रति-चरण कम्प्यूटेशनल ओवरहेड में मामूली वृद्धि के बावजूद, बेंचमार्क वातावरण और वास्तविक दुनिया के HVAC नियंत्रण अनुप्रयोगों दोनों में MLP बेसलाइन की तुलना में सैंपल दक्षता और अभिसरण विश्वसनीयता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र SPARKLING को प्रस्तुत करता है, जो प्रोग्रेसिव लर्निंग में मिड-स्टेज विड्थ एक्सपेंशन (मध्य-चरण चौड़ाई विस्तार) के लिए एक नवीन फ्रेमवर्क है जो प्रशिक्षण अस्थिरता को दूर करने के लिए सिग्नल प्रिजर्वेशन (सिग्नल संरक्षण) और सिमिट्री ब्रेकिंग (सममिति भंग) के बीच संतुलन बनाता है, जिससे कंप्यूटेशनल लागत में 35% तक की कमी आती है और स्क्रैच से प्रशिक्षण की तुलना में बेहतर प्रदर्शन होता है।
यह शोध पत्र एक प्रशिक्षण-मुक्त, टेस्ट-टाइम डिटॉक्सिफिकेशन विधि प्रस्तुत करता है जो इनपुट एम्बेडिंग्स पर ज़ीरो-ऑर्डर ऑप्टिमाइज़ेशन का उपयोग करके बड़े भाषा मॉडलों को बिना मॉडल रिट्रेनिंग, ग्रेडिएंट्स, या आंतरिक गणनाओं तक पहुँच के, कम विषाक्त आउटपुट की ओर निर्देशित करती है।
यह शोध पत्र एक स्केलेबल, हार्डवेयर-नेटिव फिजिकल एनालॉग कोल्मोगोरोव-आर्नोल्ड नेटवर्क (aKAN) आर्किटेक्चर प्रस्तुत करता है जो पुनर्गठनीय नॉनलीनियर-प्रोसेसिंग यूनिट्स (RNPUs) का उपयोग करता है और एज इन्फरेंस के लिए सटीक फंक्शन एप्रोक्सिमेशन बनाए रखते हुए डिजिटल मल्टीलेयर पर्सेप्ट्रॉन्स की तुलना में ऊर्जा, लेटेंसी और क्षेत्र में महत्वपूर्ण कमी प्राप्त करता है।
यह शोध पत्र नॉइज़-अलाइन्ड आरएफएम स्टीयरिंग (NA-RFM) प्रस्तुत करता है, जो डिफ्यूजन मॉडल्स को स्टीयर करने की एक कुशल विधि है जो ऑफलाइन-कम्प्यूटेड नॉइज़ अलाइनमेंट और रिकर्सिव फीचर मशीन एक्टिवेशन स्टीयरिंग को जोड़कर तेज़ इन्फरेंस और बेहतर सटीकता प्राप्त करती है, जिससे प्रति-चरण होने वाली महंगी ग्रेडिएंट गणनाओं की आवश्यकता समाप्त हो जाती है।
यह शोध पत्र एक डिफ्यूजन-आधारित डीप लर्निंग फ्रेमवर्क प्रस्तुत करता है जो हल्के LUCIE जलवायु एमुलेटर के आउटपुट को ~300 किमी से ~28 किमी रिज़ॉल्यूशन तक सफलतापूर्वक डाउनस्केल करता है, जो क्षेत्रीय प्रभाव आकलन के लिए सटीक सूक्ष्म-स्तरीय जलवायु सांख्यिकी उत्पन्न करते हुए बड़े पैमाने की गतिशीलता को संरक्षित करता है।
केन्याई न्यायपालिका में मामलों को मध्यस्थों (mediators) के बीच आवंटित करने की चुनौती से प्रेरित होकर, यह शोध पत्र SMaRT पेश करता है, जो एक ऑनलाइन एल्गोरिदम है जो क्षमता संबंधी बाधाओं और मध्यस्थ गुणवत्ता शिक्षण को संतुलित करते हुए एक उच्च-आयामी अवस्था स्थान (high-dimensional state space) में कुशलतापूर्वक संसाधनों को आवंटित करने के लिए द्विघात प्रोग्रामिंग (quadratic programming) और मल्टी-एजेंट बैंडिट लर्निंग को संयोजित करता है।
यह शोध पत्र मोमेंटम गाइडेंस (Momentum Guidance) को प्रस्तुत करता है, जो फ्लो-आधारित जनरेटिव मॉडल्स के लिए एक प्लग-एंड-प्ले विधि है जो वर्तमान वेगों (velocities) को पिछले वेगों के एक्सपोनेंशियल मूविंग एवरेज से दूर एक्सट्रपलेट करके नमूना गुणवत्ता और विविधता को बढ़ाता है, जिससे बिना किसी अतिरिक्त कंप्यूटेशनल लागत के ImageNet-256 जैसे बेंचमार्क और Stable Diffusion 3 जैसे बड़े मॉडल्स पर महत्वपूर्ण FID सुधार प्राप्त होता है।
PixelRAG एक नवीन रिट्रीवल-ऑगमेंटेड जनरेशन फ्रेमवर्क पेश करता है जो पूरी तरह से पिक्सेल स्पेस में संचालित होता है, जो पार्स किए गए टेक्स्ट के बजाय रॉ वेबसाइट स्क्रीनशॉट्स को रिट्रीव और प्रोसेस करता है, जिससे लेआउट लॉस समाप्त हो जाता है और पारंपरिक टेक्स्ट-आधारित RAG सिस्टम की तुलना में विविध बेंचमार्क पर बेहतर प्रदर्शन और दक्षता प्राप्त होती है।