19766 पेपर
यह शोध पत्र एक ज्ञान-सहायता प्राप्त मल्टी-ग्राफ ढांचे का प्रस्ताव करता है जो जटिल बहु-चरणीय औद्योगिक प्रक्रियाओं में उन्नत बहुभिन्नरूपी समय श्रृंखला विसंगति का पता लगाने के लिए पूरक ग्राफों के निर्माण हेतु डेटा-संचालित शिक्षण के साथ प्रक्रिया ज्ञान को एकीकृत करता है।
यह शोध पत्र QUADS का प्रस्ताव करता है, जो एक द्वि-पक्षीय क्वांटाइजेशन-त्रुटि संरेखण (dual-sided quantization-error alignment) विधि है जो एसिमेट्रिक क्वांटाइजेशन-अवेयर ट्रेनिंग और रेसिडुअल एक्टिवेशन कंपनसेशन के माध्यम से एक्टिवेशन त्रुटियों को संबोधित करके मिक्सचर-ऑफ-एक्सपर्ट्स मॉडल्स के लिए NVFP4 सुदृढीकरण शिक्षण (reinforcement learning) को स्थिर करता है, जिससे FP8 की तुलना में काफी बेहतर थ्रूपुट के साथ BF16-स्तर की सटीकता प्राप्त होती है।
यह शोध पत्र एक अनुकूलित ऑसिलेटरी न्यूरल नेटवर्क (ONN) सॉल्वर पेश करता है जो सुडोकू को ग्राफ कलरिंग समस्या के रूप में पुनर्गठित करता है, जिससे और पहेलियों पर मौजूदा HNN और ONN दृष्टिकोणों की तुलना में काफी अधिक सटीकता प्राप्त होती है।
यह अध्ययन एक लागत-कुशल, हाइब्रिड जनरेटिव एआई फ्रेमवर्क प्रस्तावित करता है जो ट्रांसफॉर्मर इनपुट सीमाओं को दूर करने और स्कोरिंग विश्वसनीयता, सारांश निष्ठा (summary fidelity) तथा कम्प्यूटेशनल लागत के बीच संतुलन बनाते हुए स्केलेबल स्वचालित निबंध स्कोरिंग को बढ़ाने के लिए हस्तनिर्मित भाषाई विशेषताओं के साथ GPT-5-आधारित निबंध सारांशीकरण को संयोजित करता है।
यह शोध पत्र RTL-Sequencer को प्रस्तुत करता है, जो एक नवीन अनुक्रम-आधारित (sequence-based) प्रतिमान है जो लॉजिक कोन्स (logic cones) को रैखिक बनाने और अनुकूलित अनुक्रम मॉडलों का उपयोग करने के माध्यम से RTL टाइमिंग भविष्यवाणी के लिए मौजूदा ग्राफ-आधारित विधियों की सीमाओं को दूर करता है ताकि स्केलेबल और सटीक प्रारंभिक-चरण के टाइमिंग अनुकूलन को प्राप्त किया जा सके।
यह शोध पत्र MOON का प्रस्ताव करता है, जो एक प्रशिक्षण-मुक्त (training-free) और मॉडल-अज्ञेय (model-agnostic) टेस्ट-टाइम ट्रांसडक्शन विधि है, जो क्लास इम्बैलेंस (class imbalance) को मजबूती से संभालने और विजन-लैंग्वेज मॉडल्स में प्रदर्शन पतन (performance collapse) को रोकने के लिए ज़ीरो-शॉट प्रायर्स (zero-shot priors) द्वारा संचालित डायनेमिक श्रिंकेज (dynamic shrinkage) के साथ वॉन मिसेस-फिशर मिश्रण मॉडल (Von Mises-Fisher mixture model) का लाभ उठाता है।
यह शोध पत्र DAMI का प्रस्ताव करता है, जो एक डायनेमिक्स-अवेयर मेटा-इमिटेशन लर्निंग फ्रेमवर्क है जो मेटा-लर्निंग, एक विजुअल-मोटर ट्राजेक्टरी मॉड्यूल और एक अनपेयर्ड यूनिफाइड टास्क ब्लॉक को एकीकृत करता है ताकि रोबोट्स को स्थिर संकेतों को याद करने के बजाय अंतर्निहित कार्य डायनेमिक्स सीखकर अनदेखे मैनिपुलेशन कार्यों में सामान्यीकरण करने में सक्षम बनाया जा सके।
यह शोध पत्र एक गेम-थ्योरेटिक ढांचे को प्रस्तुत करता है जो विविध न्यूरल नेटवर्क आर्किटेक्चर में हाइपरपैरामीटर इंटरैक्शन के व्याख्यात्मक, ऑब्जेक्टिव-अवेयर संवेदनशीलता विश्लेषण (सेंसिटिविटी एनालिसिस) को करने के लिए शापली इफेक्ट्स (Shapley Effects) और पारेटो फ्रंट सेट्स (Pareto front sets) का उपयोग करता है, जिससे अनुकूलन (ऑप्टिमाइजेशन) को निर्देशित करने, खोज स्थानों (सर्च स्पेस) को कम करने और प्रारंभिक चरण के मॉडल मूल्यांकन को सुगम बनाने में मदद मिलती है।
यह शोध पत्र मास्क्ड डिफ्यूजन लैंग्वेज मॉडल्स (DLMs) का एक यांत्रिक विश्लेषण प्रदान करता है, जो यह प्रकट करता है कि वे इन-कॉन्टेक्स्ट लर्निंग के लिए एक दिशा-सममित द्विदिश इंडक्शन सर्किट को लागू करते हैं और टाइमस्टेप्स के रूप में वैश्विक मास्किंग अंशों की गणना स्पष्ट रूप से करते हैं, हालांकि वे केवल तभी ऑटोरिग्रेसिव मॉडल्स से बेहतर प्रदर्शन करते हैं जब वे पूर्ण द्विदिश संदर्भ का लाभ उठाते हैं।
यह शोध पत्र Orbis 2 प्रस्तुत करता है, जो एक पदानुक्रमित (hierarchical) ड्राइविंग वर्ल्ड मॉडल है जो लंबी अवधि की दृश्य संरचना के लिए एक उच्च-स्तरीय प्रेडिक्टर को विस्तृत निष्ठा (detailed fidelity) के लिए एक निम्न-स्तरीय जनरेटर के साथ जोड़ता है, और एक नवीन दो-चरणीय प्रशिक्षण प्रतिमान का उपयोग करता है जो समृद्ध प्रस्तुतियों के लिए डिफ्यूजन फोर्सिंग के साथ प्री-ट्रेन करता है और स्थिर रोलआउट्स के लिए टीचर फोर्सिंग के साथ फाइन-ट्यून करता है ताकि ड्राइविंग सिमुलेशन में अत्याधुनिक प्रदर्शन प्राप्त किया जा सके।