22249 पेपर
यह शोध पत्र एक सुदृढ़ और विभेदक रूप से निजी (डिफरेंशियल प्राइवेट) मुख्य घटक विश्लेषण (प्रिंसिपल कंपोनेंट एनालिसिस) पद्धति प्रस्तावित करता है जो भारी-पूंछ वाले (हेवी-टेल्ड) और संदूषित वितरणों को प्रभावी ढंग से संभालने के लिए पुनर्गणित डेटा के सीमित रूपांतरणों का लाभ उठाता है, जो गैर-गाऊसी और संदूषित परिवेश में मौजूदा दृष्टिकोणों की तुलना में बेहतर सांख्यिकीय उपयोगिता प्रदर्शित करता है।
यह शोध पत्र मेट्रिक स्पेस पर रिग्रेशन मॉडल में अनिश्चितता मात्रा निर्धारण (अनसर्टेन्टी क्वांटिफिकेशन) के लिए एक ढांचे का प्रस्ताव करता है, जिसमें होमोसेडैस्टिक सेटिंग्स के लिए परिमित-नमूना गारंटी के साथ एक कॉन्फॉर्मल एल्गोरिदम और हेटरोसेडैस्टिक मामलों के लिए एक स्थानीय रूप से अनुकूलित kNN प्रक्रिया पेश की गई है, जो दोनों ही स्केलेबल, मॉडल-अज्ञेय (मॉडल-अग्नोस्टिक) हैं और जटिल यादृच्छिक वस्तुओं से जुड़े व्यक्तिगत चिकित्सा के अनुप्रयोगों के माध्यम से मान्य किए गए हैं।
यह शोध पत्र एक सुदृढ़, ग्राउंड-ट्रुथ-मुक्त (ground-truth-free) AI मूल्यांकन ढांचे का प्रस्ताव करता है जो प्रतिकूल हेरफेर (adversarial manipulation) के विरुद्ध प्रभावशीलता बनाए रखने के लिए रणनीतिक प्रॉम्प्टिंग और टोटल वेरिएशन डिस्टेंस (total variation distance) जैसे f-डाइवर्जेंस के माध्यम से म्यूचुअल इंफॉर्मेशन एस्टिमेशन का लाभ उठाता है।
यह शोध पत्र FairGrad और FairGrad* को प्रस्तुत करता है, जो दो ग्रेडिएंट-वैरिएंस-रेगुलराइज्ड (gradient-variance-regularized) विधियाँ हैं जो हेट्रोजेनियस फेडरेटेड लर्निंग सेटिंग्स में प्रतिस्पर्धी वैश्विक मॉडल सटीकता बनाए रखते हुए क्लाइंट्स के बीच प्रदर्शन असमानताओं को प्रभावी ढंग से कम करते हैं।
यह शोध पत्र L-SR1 का प्रस्ताव करता है, जो एक हल्का सीखा हुआ (learned) सेकंड-ऑर्डर ऑप्टिमाइज़र है जो बेहतर सामान्यीकरण और प्रदर्शन प्राप्त करने के लिए क्लासिकल सिमेट्रिक-रैंक-वन एल्गोरिदम को एक ट्रेन करने योग्य प्रीकंडीशनिंग यूनिट के साथ बढ़ाता है, जिसमें एनोटेटेड डेटा या फाइन-ट्यूनिंग की आवश्यकता नहीं होती है।
यह शोध पत्र एक प्रभावी स्वचालित वाक् मूल्यांकन दृष्टिकोण प्रस्तावित करता है जो स्कोर की क्रमिकता (ordinality) और गैर-समान अंतरालों को संयुक्त रूप से मॉडल करने के लिए हस्तनिर्मित विशेषताओं के साथ स्व-पर्यवेक्षित शिक्षण (self-supervised learning) और एक नवीन मल्टी-मार्जिन ऑर्डिनल लॉस (multi-margin ordinal loss) को जोड़ता है, जिससे यह TEEMI कॉर्पस पर मौजूदा बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र एक नवीन अनसुपरवाइज्ड ग्राफ अलाइनमेंट फ्रेमवर्क प्रस्तावित करता है जो उच्च-आवृत्ति विभेद्यता (high-frequency discriminability) को इंजेक्ट करने के लिए एक ड्यूल-पास एनकोडर को एक ज्योमेट्री-अवेयर फंक्शनल मैप मॉड्यूल के साथ जोड़ता है ताकि लेटेंट स्पेस को अलाइन किया जा सके, जो ओवरस्मूथिंग और स्ट्रक्चरल नॉइज़ की सीमाओं को प्रभावी ढंग से दूर करते हुए बेहतर सुदृढ़ता और सटीकता प्राप्त करता है।
यह शोध पत्र OFMU को प्रस्तुत करता है, जो एक पेनल्टी-आधारित द्वि-स्तरीय अनुकूलन ढांचा (bi-level optimization framework) है, जो समानता-जागरूक दंड (similarity-aware penalty) के माध्यम से डेटा विस्मरण (data forgetting) को स्पष्ट रूप से प्राथमिकता देकर और रिटेंड डेटा पर मॉडल प्रदर्शन को बनाए रखते हुए, मौजूदा मशीन अनलर्निंग विधियों की अस्थिरता और उपयोगिता क्षरण को हल करता है, जिससे विजन और लैंग्वेज बेंचमार्क में श्रेष्ठ प्रभावकारिता और अभिसरण गारंटी प्राप्त होती है।
यह शोध पत्र CrediBench को प्रस्तुत करता है, जो 4 करोड़ से अधिक डोमेन से आठ महीने के ग्राफ, टेक्स्ट और टेम्पोरल डेटा से युक्त एक वेब-स्केल मल्टी-मोडल डेटासेट है, जो मौजूदा क्लेम-लेवल दृष्टिकोणों द्वारा अक्सर छोड़े जाने वाले स्ट्रक्चरल और डायनेमिक सिग्नल्स को कैप्चर करके विश्वसनीयता भविष्यवाणी मॉडलों के प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र एक नवीन बेयसियन ट्रांसफार्मर मॉडल प्रस्तुत करता है जो वैश्विक-स्थानीय विशेषता निष्कर्षण और संभाव्यता पैरामीटर अनुमान का लाभ उठाकर, सेंटिनल-1, RCM और AMSR2 डेटा को संलयित करता है ताकि मजबूत अनिश्चितता परिमाणीकरण के साथ उच्च-रिज़ॉल्यूशन वाले पैन-आर्कटिक समुद्री बर्फ सांद्रता मानचित्र उत्पन्न किए जा सकें।