cs.LG

Prediction Models That Learn to Avoid Missing Values

यह शोध पत्र 'मिसिंगनेस-अवॉइडिंग' (MA) लर्निंग नामक एक सामान्य ढांचे का प्रस्ताव करता है जो अनुकूलित नियमितीकरण (tailored regularization) के माध्यम से डिसीजन ट्रीज़, ट्री एनसेम्बल्स और स्पार्स लीनियर मॉडल्स को टेस्ट टाइम पर गायब या इमप्यूटेड फीचर्स पर अपनी निर्भरता को कम करने के लिए प्रशिक्षित करता है, जिससे उनकी भविष्य कहने वाली सटीकता और व्याख्यात्मकता दोनों सुरक्षित रहती हैं।

Bias Fitting to Mitigate Length Bias of Reward Model in RLHF

Fox in the Henhouse: Supply-Chain Backdoor Attacks Against Reinforcement Learning

यह शोध पत्र सप्लाई-चेन बैकडोर (SCAB) हमले को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि अनिश्चित बाहरी एजेंटों के साथ बातचीत के माध्यम से केवल 3% प्रशिक्षण अनुभवों को विषाक्त करके सुदृढीकरण लर्निंग (Reinforcement Learning) एजेंटों को प्रभावी ढंग से समझौता किया जा सकता है, जिससे पीड़ित की नीति या पर्यावरण मापदंडों तक सीधी पहुंच की आवश्यकता के बिना उच्च ट्रिगर सफलता दर और महत्वपूर्ण प्रदर्शन गिरावट प्राप्त की जा सकती है।

Contrastive Conditional-Unconditional Alignment for Long-tailed Diffusion Model

यह शोध पत्र कॉन्ट्रास्टिव कंडीशनल-अनकंडीशनल अलाइनमेंट (CCUA) का प्रस्ताव करता है, जो एक ऐसा फ्रेमवर्क है जो हेड-क्लास की गुणवत्ता से समझौता किए बिना लॉन्ग-टेल्ड डिफ्यूजन मॉडल्स में टेल-क्लास छवियों की विविधता और निष्ठा को बढ़ाने के लिए अलाइनमेंट और अनसुपरवाइज्ड कॉन्ट्रास्टिव लॉस का उपयोग करता है।

How Does the Pretraining Distribution Shape In-Context Learning? A Fundamental Trade-Off

यह शोध पत्र एक सैद्धांतिक और अनुभवजन्य ढांचा स्थापित करता है जो यह प्रदर्शित करता है कि प्रीट्रेनिंग डेटा के सांख्यिकीय गुण, विशेष रूप से हेवी-टेल्ड वितरण (heavy-tailed distributions), एक मौलिक ट्रेड-ऑफ उत्पन्न करते हैं जहाँ वितरण बदलाव (distribution shifts) के तहत मजबूत कार्य चयन, कम-डेटा वाले परिदृश्यों में सामान्यीकरण प्रदर्शन की कीमत पर आता है।

Consistent Zero-Shot Imitation with Contrastive Goal Inference

यह शोध पत्र कॉन्ट्रास्टिव इनवर्स रीइन्फोर्समेंट लर्निंग (CIRL) को प्रस्तुत करता है, जो एक सेल्फ-सुपरवाइज्ड प्री-ट्रेनिंग फ्रेमवर्क है जो मल्टी-टास्क इनवर्स रीइन्फोर्समेंट लर्निंग को एक सुलभ लक्ष्य-अनुमान (गोल-इन्फरेंस) समस्या में परिवर्तित करता है ताकि एजेंट बिना किसी रिवॉर्ड या टेस्ट-टाइम अपडेट के, जीरो-शॉट इमिटेशन परिदृश्यों में विशेषज्ञ व्यवहार को निरंतर रूप से पुनरुत्पादित करने में सक्षम हो सकें।

Comparison of generalised additive models and neural networks in applications: A systematic review

टेबलर डेटा पर जनरललाइज्ड एडिटिव मॉडल्स (GAMs) और न्यूरल नेटवर्क्स की तुलना करने वाले 143 अध्ययनों के इस व्यवस्थित समीक्षा में दोनों दृष्टिकोणों में से किसी की भी निरंतर श्रेष्ठता नहीं मिली है, जो यह सुझाव देता है कि वे पूरक उपकरण हैं जहाँ GAMs व्याख्यात्मकता को बनाए रखते हुए छोटे डेटासेट में प्रतिस्पर्धी प्रदर्शन लाभ प्रदान करते हैं।

BOFA: Bridge-Layer Orthogonal Low-Rank Fusion for CLIP-Based Class-Incremental Learning

यह शोध पत्र BOFA का प्रस्ताव करता है, जो क्लास-इन्क्रीमेंटल लर्निंग के लिए एक पैरामीटर-एफिशिएंट फ्रेमवर्क है जो भूलने की प्रक्रिया को रोकने के लिए ऑर्थोगोनल लो-रैंक फ्यूजन के माध्यम से ब्रिज-लेयर तक अपडेट को सीमित करके CLIP मॉडल्स को अनुकूलित करता है और बिना किसी अतिरिक्त इन्फरेंस लागत के वर्गीकरण प्रदर्शन को बढ़ाने के लिए क्रॉस-मोडल हाइब्रिड प्रोटोटाइप्स का उपयोग करता है।

Symmetric Linear Dynamical Systems are Learnable from Few Observations

यह शोध पत्र एक मेथड-ऑफ-मोमेंट्स-आधारित एस्टिमेटर पेश करता है जो बिना किसी समस्या-विशिष्ट रेगुलराइजेशन की आवश्यकता के, केवल सिस्टम आयाम के सापेक्ष लघुगणकीय अवलोकनों (logarithmic observations) का उपयोग करके, एक एकल प्रक्षेपवक्र (trajectory) से सममित रैखिक गतिशील प्रणालियों (symmetric linear dynamical systems) के मापदंडों को सफलतापूर्वक पुनर्प्राप्त करता है।

Auto-exploration for online reinforcement learning

यह शोधपत्र ऑनलाइन सुदृढीकरण शिक्षण (reinforcement learning) के लिए एक पैरामीटर-मुक्त ऑटो-एक्सप्लोरेशन फ्रेमवर्क प्रस्तुत करता है जो पॉलिसी मिरर डिसेंट (policy mirror descent) में अन्वेषण (exploration) को एकीकृत करके टैबुलर और लीनियर फंक्शन एप्रोक्सिमेशन दोनों सेटिंग्स में एल्गोरिदम-स्वतंत्र $O(\epsilon^{-2})$ सैंपल कॉम्प्लेक्सिटी प्राप्त करता है।