22330 पेपर
यह शोध पत्र तर्क देता है कि सिमुलेशन-टू-रियलिटी ट्रांसफर में, विशिष्ट सिस्टम मापदंडों (पैरामीटर्स) की पहचान करने के लिए एक मेजरमेंट बजट आवंटित करना व्यापक रूप से डायनेमिक्स को रैंडमाइज करने की तुलना में अधिक प्रभावी है, जो यह सुझाव देता है कि पाइपलाइनों को पहचानने योग्य मापदंडों को मापने को प्राथमिकता देनी चाहिए और शेष अनिश्चितताओं के लिए केवल रैंडमाइजेशन को आरक्षित रखना चाहिए।
यह शोध पत्र फ्रांसीसी चिकित्सा एनकोडर प्रीट्रेनिंग के लिए एक वेब डेटा क्यूरेशन रेसिपी प्रस्तावित करता है जो फाइनमेड (FineMed) कॉर्पस और अत्याधुनिक डॉक्टोबर्ट (DoctoBERT) मॉडल बनाने के लिए मेडिकल-टर्म डेंसिटी फ़िल्टरिंग और सिग्नल-एम्प्लीफाइंग रीफ्रेसिंग को जोड़ता है, जो यह प्रदर्शित करता है कि वेब-स्केल डेटा छोटे, मैन्युअल रूप से क्यूरेट किए गए चिकित्सा कॉर्पस की सीमाओं को प्रभावी ढंग से दूर कर सकता है।
यह शोध पत्र पैच्ड फ्लो मैचिंग (Patched Flow Matching) को प्रस्तुत करता है, जो एक जनरेटिव फ्रेमवर्क है जो लघु-डोमेन DNS डेटा को विरल सेंसर मापों के साथ जोड़कर, इनर-स्केल्ड पैच प्रायर्स (inner-scaled patch priors) और ट्रेनिंग-मुक्त पोस्टीरियर सैंपलिंग का लाभ उठाते हुए, प्रशिक्षण कॉन्फ़िगरेशन से काफी बड़े डोमेन और रेनॉल्ड्स नंबरों पर पूर्ण-रिज़ॉल्यूशन, उच्च-निष्ठा वाले वॉल-प्रेशर स्पेक्ट्रा को पुनर्गठित करने के लिए पारंपरिक डेटा और डोमेन सीमाओं को दूर करता है।
OphthaDT एक नवीन LLM-आधारित जनरेटिव डिजिटल ट्विन है जो विखंडित मल्टीमॉडल नैदानिक डेटा को संरचित आख्यानों में क्रमबद्ध करता है ताकि नेत्र विज्ञान में दृष्टि तीक्ष्णता (विजुअल एक्युइटी) के प्रक्षेप पथों का सटीक पूर्वानुमान लगाया जा सके, जो पारंपरिक बेसलाइनों—विशेष रूप से जटिल नियोवास्कुलर एज-रिलेटेड मैकुलर डिजनरेशन मामलों के लिए—पर बेहतर प्रदर्शन प्रदर्शित करता है—जबकि बिना इम्प्यूटेशन के अनियमित सैंपलिंग को प्रभावी ढंग से संभालता है।
यह शोध पत्र ग्राफ न्यूरल नेटवर्क के लिए एक सहायक-लॉस-मुक्त (auxiliary-loss-free) अर्ली-एग्जिट रणनीति प्रस्तुत करता है जो भविष्यवाणी की गुणवत्ता को बनाए रखते हुए या उसे और बेहतर बनाते हुए लिंक प्रेडिक्शन के लिए इन्फरेंस गति में सुधार करता है, जिससे HeaRT बेंचमार्क पर प्रदर्शन की सीमा को आगे बढ़ाया जा सकता है।
यह शोध पत्र प्रदर्शित करता है कि पारंपरिक गेटेड एमएलपी (MLP), द्विपद ध्यान तंत्र (bilinear attention mechanisms) के समरूपता-भंग रैंक-1 सन्निकटन (symmetry-broken rank-1 approximations) के रूप में कार्य करते हैं, जो उनकी अनुभवजन्य प्रभावकारिता के लिए एक सैद्धांतिक स्पष्टीकरण प्रदान करता है और भविष्य के वास्तुशिल्प डिजाइनों का मार्गदर्शन करता है।
आधुनिक प्रोटीन भाषा मॉडलों के सुदृढ़ प्रोटीन-स्तरीय एलर्जेनिसिटी पूर्वानुमानों के बावजूद, यह अध्ययन प्रदर्शित करता है कि उनके अवशेष-स्तरीय एट्रिब्यूशन (residue-level attribution) तरीके जैविक रूप से सार्थक एलर्जन एपिटोप्स की सटीक पहचान करने में विफल रहते हैं, जो यह सुझाव देता है कि ये स्पष्टीकरण विशिष्ट प्रतिरक्षात्मक तंत्रों के बजाय सामान्य अनुक्रम विशेषताओं पर निर्भर करते हैं।
यह शोध पत्र बेयसियन अडैप्टेशन जिम (BAG) को प्रस्तुत करता है, जो एक ओपन-सोर्स बेंचमार्क है जिसे मानकीकृत कार्यान्वयन, डेटासेट और कार्यों के माध्यम से मल्टी-मोडल लैंग्वेज मॉडल्स के लिए बेयसियन लो-रैंक अडैप्टेशन विधियों की प्रभावशीलता का मूल्यांकन करने के लिए डिज़ाइन किया गया है, ताकि अंशांकन (कैलिब्रेशन), मजबूती (रोबस्टनेस) और अनिश्चितता के तहत निर्णय लेने की क्षमता का आकलन किया जा सके।
यह शोध पत्र L20-Edu-135M प्रस्तुत करता है, जो एक एकल NVIDIA L20 GPU पर 13B टोकन के साथ पूरी तरह से प्रशिक्षित 135M-पैरामीटर वाले भाषा मॉडल का एक ऑडिट करने योग्य केस स्टडी है, जो यह प्रदर्शित करता है कि हालांकि यह SmolLM2 जैसे बड़े पैमाने के मॉडलों से पीछे है, फिर भी यह अपने न्यूनतम टोकन बजट के सापेक्ष प्रतिस्पर्धी प्रदर्शन प्राप्त करता है और संसाधन-बाधित सेटिंग्स में RLVR के विशिष्ट विफलता मोड को उजागर करता है।
यह शोध पत्र न्यूरल कंजुगेट एग्रीगेशन मॉडल (NCAM) का प्रस्ताव करता है, जो एक पदानुक्रमित बेयसियन ढांचा (hierarchical Bayesian framework) है जो स्रोत-विशिष्ट पूर्वाग्रहों (biases) और विश्वसनीयताओं को सीखकर अनसुपरवाइज्ड मल्टी-सेंसर रिग्रेशन को सक्षम बनाता है, ताकि विघटित अनिश्चितता (decomposed uncertainty) और परिमित-नमूना कवरेज गारंटी के साथ सुव्यवस्थित-कैलिब्रेटेड और पहचान योग्य भविष्यवाणियां की जा सकें।