22330 पेपर
यह शोध पत्र तीन मानकीकृत ऑब्जेक्ट-सेंट्रिक डेटासेट संसाधनों—Cityscapes-Pedestrian, TrafficSigns, और COCO PottedPlant—के एक साझा संग्रह को प्रस्तुत करता है—जिसे विविध ऑब्जेक्ट क्लासों के लिए सुसंगत क्रॉप्स, बाउंडिंग-बॉक्स एनोटेशन और पुनर्निर्माण उपकरण प्रदान करके डेटा-सीमित परिदृश्यों में नियंत्रित इमेज जनरेशन और ऑग्मेंटेशन को सुगम बनाने के लिए डिज़ाइन किया गया है।
यह शोध पत्र तर्क देता है कि फीडबैक अलाइनमेंट (सटीकता और ग्रेडिएंट कोसाइन सिमिलरिटी) के लिए मानक मूल्यांकन मेट्रिक्स, रेफरेंस ग्रेडिएंट कोलैप्स और एग्रीगेशन मास्किंग जैसे साइलेंट फेल्योर मोड्स के कारण अपर्याप्त हैं, और स्केल स्टेबिलिटी, रेफरेंस वैलिडिटी और डेप्थ यूटिलिटी पर आधारित एक नए डायग्नोस्टिक प्रोटोकॉल का प्रस्ताव करता है जो गहरे नेटवर्क में गैर-कार्यात्मक क्रेडिट असाइनमेंट की विश्वसनीय पहचान करने के लिए है।
यह शोध पत्र डेड-डायरेक्शन सिग्नेचर (DDS) प्रस्तुत करता है, जो एक गणनात्मक रूप से कुशल, क्लोज्ड-फॉर्म स्पेक्ट्रल विधि है जो एक्टिवेशन और ग्रेडिएंट स्पेक्ट्रा का विश्लेषण करके स्थानीय लर्निंग कोएफिशिएंट का अनुमान लगाती है और डीप नेटवर्क में रैंक-डेफिसिट सिंगुलैरिटीज़ को ट्रैक करती है, जो पारंपरिक सिंगुलर लर्निंग थ्योरी के लिए आवश्यक महंगी स्टोकेस्टिक सैंपलिंग का एक स्केलेबल विकल्प प्रदान करती है।
यह शोध पत्र मॉडल-आधारित और मॉडल-फ्री सुदृढीकरण शिक्षण (reinforcement learning) के बीच पारंपरिक अलगाव को चुनौती देता है, यह सिद्ध करते हुए कि विविध रिवॉर्ड फंक्शन पर प्रशिक्षित वैल्यू-बेस्ड एजेंट अंतर्निहित रूप से एक अद्वितीय वर्ल्ड मॉडल को एनकोड करते हैं, जिसे -लर्निंग नामक एक नई विधि के माध्यम से स्पष्ट रूप से निकाला जा सकता है ताकि आउट-ऑफ-डिस्ट्रीब्यूशन कार्यों पर मजबूत सामान्यीकरण प्राप्त किया जा सके।
यह शोध पत्र "रिजेक्ट-टू-रीमेज़र" (reject-to-remeasure) प्रस्तुत करता है, जो एक एआई-संचालित ढांचा है जो ऑप्टिकल स्पेक्ट्रोस्कोपी को अनिश्चितता-निर्देशित अस्वीकृति के साथ जोड़ता है ताकि केवल उन नमूनों को पुन: मापने के माध्यम से, जहाँ भविष्य कहनेवाला अनिश्चितता गुणवत्ता सीमाओं से अधिक हो, विश्वसनीय और लागत प्रभावी नियमित मृदा विश्लेषण को सक्षम बनाया जा सके।
यह शोध पत्र TF-SNO को प्रस्तुत करता है, जो एक अवस्था-अनुकूली स्पेक्ट्रल न्यूरल ऑपरेटर है जो विकसित होती प्रणाली सांख्यिकी के आधार पर स्पेक्ट्रल प्रतिक्रियाओं को गतिशील रूप से समायोजित करने के लिए सीखने योग्य टाइम-फ्रीक्वेंसी गेटिंग का उपयोग करता है, जिससे बिना किसी स्पष्ट टाइम एम्बेडिंग के गैर-स्थिर आंशिक अंतर समीकरणों (non-stationary partial differential equations) के लिए भविष्यवाणी सटीकता और दीर्घ-अवधि स्थिरता में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एक स्पार्स ऑटोएनकोडर-आधारित ढांचे का प्रस्ताव करता है जो विजन लैंग्वेज मॉडल्स में दृश्य, पाठ्य और मल्टीमॉडल अवधारणाओं को प्रभावी ढंग से निकालता और विश्लेषण करता है, जो मौजूदा तरीकों की तुलना में दृश्य अवधारणा विवरणों की गुणवत्ता में महत्वपूर्ण सुधार करता है और एकीकृत मल्टीमॉडल अवधारणाओं की व्यवस्थित पहचान को सक्षम बनाता है।
यह शोध पत्र साकाना फुगु (Sakana Fugu) को प्रस्तुत करता है, जो ऑर्केस्ट्रेटर भाषा मॉडल का एक परिवार है जो कई एलएलएम (LLMs) की विशिष्ट क्षमताओं को संयोजित और प्रवर्धित करने के लिए गतिशील रूप से एजेंटिक स्कैफोल्ड्स (agentic scaffolds) का निर्माण करता है, जिससे विविध चुनौतीपूर्ण बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह अध्ययन वाउंड-रोटर सिंक्रोनस मोटर के प्रदर्शन की भविष्यवाणी करने के लिए आठ मशीन लर्निंग और डीप लर्निंग मॉडल्स का एक व्यापक बेंचमार्क प्रस्तुत करता है, जो यह प्रदर्शित करता है कि न्यूरल-नेटवर्क-आधारित आर्किटेक्चर, विशेष रूप से FT-Transformer, सटीकता और कम्प्यूटेशनल गति में ट्री-आधारित मॉडल्स की तुलना में काफी बेहतर प्रदर्शन करते हैं और साथ ही एक सुदृढ़ मल्टी-सीड पुनरुत्पादकता प्रोटोकॉल और लागत-सटीकता ट्रेड-ऑफ का पारेटो विश्लेषण भी प्रदान करते हैं।
यह शोध पत्र एक हालियाता/आवृत्ति (recency/frequency) अनुकूलन योग्य KV कैशिंग रणनीति प्रस्तावित करता है जो पारंपरिक LRU नीतियों में अंतर्निहित वर्कलोड हस्तक्षेप को कम करने के लिए कैश स्पेस को गतिशील रूप से आवंटित करता है, जिससे विविध LLM इन्फरेंस वर्कलोड के लिए हिट रेट और टाइम-टू-फर्स्ट-टोकन में महत्वपूर्ण सुधार प्राप्त होता है।