22037 पेपर
यह शोध पत्र एडेप्टिव ब्लॉक डिफ्यूजन (ABD) प्रस्तुत करता है, जो एक ऐसी विधि है जो प्रीफिक्स-विंडो कॉन्फ़िगरेशन के वितरण पर डिनोइजिंग को अनुकूलित करके डिफ्यूजन लैंग्वेज मॉडल्स में ट्रेनिंग-इन्फरेंस मिसमैच को हल करती है, जिससे एक एकल मॉडल बिना किसी आर्किटेक्चरल बदलाव के मनमाने डिकोडिंग स्ट्रैटेजीज पर मजबूती से सामान्यीकरण करने में सक्षम हो जाता है।
यह शोध पत्र ज़ीरो-शॉट (zero-shot) एलएलएम (LLM) शैक्षिक सलाहकारों में "हस्तक्षेप पूर्वाग्रह" (intervention bias) की पहचान और मात्रा निर्धारित करता है, जो एक इष्टतम ओरेकल (optimal oracle) की तुलना में त्रुटिपूर्ण रूप से अनावश्यक कार्यों की सिफारिश करते हैं, और यह प्रदर्शित करता है कि डिसीजन ट्रांसफॉर्मर (Decision Transformers) या एक्सजीबूस्ट (XGBoost) का उपयोग करके सुपरवाइज्ड पॉलिसी लर्निंग (supervised policy learning), इस पूर्वाग्रह को प्रभावी ढंग से समाप्त करती है और उच्च सटीकता तथा कम-विलंबता (low-latency) वाले निर्णय प्राप्त करती है जो उच्च-जोखिम वाले परिनियोजन (high-stakes deployment) के लिए उपयुक्त हैं।
यह शोध पत्र यह स्थापित करता है कि वैज्ञानिक खोज के लिए कंपोजिशनल फंक्शन ट्रीज़ (compositional function trees) सीखने की सैंपल कॉम्प्लेक्सिटी, प्रतीकात्मक संरचनाओं (symbolic structures) के कॉम्बिनेटोरियल विस्फोट के बजाय, ट्री डेप्थ और ऑपरेटर लिप्सचिट्ज़ कॉन्स्टेंट्स (operator Lipschitz constants) द्वारा नियंत्रित होती है, जो PAC लर्नैबिलिटी बाउंड्स और यह अनुभवजन्य सत्यापन (empirical validation) प्रदान करता है कि जनरलाइजेशन गैप के रूप में स्केल करता है।
यह शोध पत्र यह प्रदर्शित करता है कि मल्टी-डोमेन इवेंट डिटेक्शन में, सेंसर विफलता के प्रति मजबूती और कम सिग्नल-टू-नॉइज़ रेशियो के प्रति मजबूती अलग-अलग गुण हैं, जहाँ सेंसर ड्रॉपआउट के साथ प्रशिक्षण लेना शोर के प्रति लचीलेपन के लिए प्रमुख कारक है, जबकि आर्किटेक्चरल जटिलता और आंतरिक अतिरेक (रिडंडेंसी) माध्यमिक भूमिका निभाते हैं।
यह शोध पत्र तर्क देता है कि जबकि वैज्ञानिक मशीन लर्निंग मॉडलों की व्याख्या करने के लिए विश्वसनीयता और निष्ठा आवश्यक शर्तें हैं, वे बाहरी पुष्टिकरण के बिना अंतर्निहित घटनाओं के वास्तविक संरचनात्मक तंत्रों के बारे में दावों को मान्य करने के लिए अपने आप में अपर्याप्त हैं।
यह शोध पत्र इंटरवेंशनल फ्लो मैचिंग (IFM) प्रस्तुत करता है, जो एक निरंतर-समय जनरेटिव फ्रेमवर्क है जो शारीरिक रूप से प्रशंसनीय और खुराक-सीमित संवेदनशीलता को लागू करने के लिए वेलोसिटी-फील्ड जैकोबियन रेगुलाइजेशन का उपयोग करता है, जिससे सख्त मैकेनिस्टिक ODEs पर निर्भर किए बिना नियोजित उपचार हस्तक्षेपों के तहत रोगी के ग्लूकोज प्रक्षेपवक्र (ट्रैजेक्टरी) के सटीक भावी पूर्वानुमान को सक्षम बनाया जा सके।
यह शोध पत्र क्रिप्टोग्राफिक संरचनाओं (Keccak, Merkle-Damgard, और Merkle Trees) को थ्रेशोल्ड सर्किटों से मैप करके ट्रांसफॉर्मर की कम्प्यूटेशनल क्षमता पर संरचनात्मक गारंटी प्राप्त करने के लिए एक कार्यप्रणाली स्थापित करता है, जिससे सत्यापित स्केलिंग लॉ और उन क्रिप्टोग्राफिक कार्यों के रचनात्मक ऊपरी सीमाएँ (constructive upper bounds) प्रदान की जाती हैं जिन्हें एक दिए गए डेप्थ और विड्थ वाला ट्रांसफॉर्मर लागू कर सकता है।
यह शोध पत्र सेल्फ-ऑर्गनाइज्ड कॉन्फॉर्मल प्रेडिक्शन (SOCP) को प्रस्तुत करता है, जो एक अनसुपरवाइज्ड कैलिब्रेशन विधि है जो इनपुट-स्पेस समूहों की खोज करने और स्थानीय कैलिब्रेशन करने के लिए सेल्फ-ऑर्गनाइजिंग मैप्स का उपयोग करती है, जिससे प्रेडिक्टर को पुन: प्रशिक्षित किए बिना या सुपरवाइज्ड विभाजनों की आवश्यकता के बिना, सुरक्षा-महत्वपूर्ण उपसमूहों में क्षेत्रीय कवरेज अंतराल को महत्वपूर्ण रूप से कम किया जाता है और सटीक वैधता गारंटी बनाए रखी जाती है।
यह शोध पत्र फ्रैक्शनल ब्राउनियन मोशन द्वारा संचालित एक फ्रैक्शनल स्टोकेस्टिक न्यूरल नेटवर्क प्रस्तुत करता है, एक डिस्क्रीट स्टोकेस्टिक मैक्सिमम प्रिंसिपल के माध्यम से इसके सैद्धांतिक अभिसरण गुणों को स्थापित करता है, और संख्यात्मक प्रयोगों के माध्यम से यह प्रदर्शित करता है कि ऐसे फ्रैक्शनल ड्राइवर्स पारंपरिक ब्राउनियन और डिटरमिनिस्टिक बेसलाइन की तुलना में लॉन्ग-मेमोरी रिकवरी और मजबूती को बढ़ाते हैं।
यह शोध पत्र टेकओवर ऑक्शन्स (takeover auctions) के एक कंप्यूटर मॉडल पर सेल्फ-प्ले रीइन्फोर्समेंट लर्निंग (self-play reinforcement learning) का उपयोग करके यह प्रदर्शित करता है कि बोलीदाताओं को ड्यू डिलिजेंस (due diligence) में केवल एक मामूली, सीमित राशि ही निवेश करनी चाहिए—विशेष रूप से तब जब लागत अधिक हो या प्रतिस्पर्धा तीव्र हो—और यह दिखाता है कि सरल, सामान्य-उद्देश्य वाले एआई (AI) तरीके उन जटिल, वास्तविक दुनिया के परिदृश्यों में प्रभावी ढंग से मजबूत बोली रणनीतियों को प्राप्त कर सकते हैं जहाँ सटीक समाधान गणनात्मक रूप से अव्यवहार्य होते हैं।