22330 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि अप्रशिक्षित गहरे और उथले द्विदिशीय इको स्टेट नेटवर्क (Echo State Networks), शोर-शराबे वाले, संसाधन-सीमित ऑडियो निगरानी परिदृश्यों में आपातकालीन ध्वनि घटना का पता लगाने के लिए पूर्णतः प्रशिक्षित आवर्ती मॉडलों (recurrent models) के एक सुदृढ़ और कुशल विकल्प प्रदान करते हैं।
यह शोध पत्र MultiMem को प्रस्तुत करता है, जो मल्टी-मोडल कंट्रास्टिव लर्निंग में मेमोराइजेशन (memorization) को मापने के लिए पहला मीट्रिक है, जो यह प्रकट करता है कि क्रॉस-मोडल सिमेंटिक मिसअलाइनमेंट और टेक्स्ट मेमोराइजेशन के प्राथमिक चालक हैं, और यह प्रदर्शित करता है कि लक्षित ऑग्मेंटेशन (augmentations) इस समस्या को प्रभावी ढंग से कम करके मॉडल के सामान्यीकरण (generalization) में सुधार कर सकते हैं।
यह शोध पत्र एक वेरिएंस-टिल्टेड डिफ्यूजन सैंपलिंग विधि प्रस्तुत करता है जो पोस्टीरियर डिनोइज़्ड मीन्स (posterior denoised means) को स्पष्ट रूप से प्रतिकर्षित करने और कणों को उच्च फीचर वेरिएंस वाले क्षेत्रों की ओर निर्देशित करने के लिए ड़ूब -ट्रांसफॉर्म (Doob -transform) का उपयोग करके विविध कैंडिडेट सेट्स उत्पन्न करता है।
यह तकनीकी रिपोर्ट SamatNext v0.2-B का परिचय देती है, जो एक 356M-पैरामीटर वाला हाइब्रिड डिकोडर है जो डिफरेंशियल-अटेंशन (Differential-Attention) और डेल्टानेट-प्रेरित (DeltaNet-inspired) परतों को बारी-बारी से उपयोग करके मानक ट्रांसफॉर्मर्स की तुलना में छोटे कोड मॉडल्स में करिकुलम रिटेंशन (curriculum retention) में महत्वपूर्ण सुधार करता है, हालांकि यह लॉन्ग-होरिज़न कैटास्ट्रोफिक फॉरगेटिंग (long-horizon catastrophic forgetting) को पूरी तरह से हल नहीं करता है।
यह शोधपत्र एक हाइपरग्राफ एंट्रोपिक नॉर्मल-वर्ल्ड मॉडल प्रस्तावित करता है जो प्रचुर डेटा से जटिल बहुभिन्नरूपी सामान्य व्यवहारों को सीखता है और कुछ असामान्य उदाहरणों के साथ डिटेक्शन सीमाओं को कैलिब्रेट करता है, जिससे नासा सी-मैप्स (NASA C-MAPSS) बेंचमार्क पर अत्याधुनिक फ्यू-शॉट और ज़ीरो-शॉट विसंगति का पता लगाने की क्षमता प्राप्त होती है और साथ ही सिस्टम के क्षरण का एक यांत्रिक, श्रेणीबद्ध जोखिम माप प्रदान किया जाता है।
यह अध्ययन अंग्रेजी-से-हौसा और अंग्रेजी-से-फोंगबे के लिए चार बड़े भाषा मॉडलों की अनुवाद क्षमताओं का मूल्यांकन करता है, जो दोनों भाषाओं के बीच प्रदर्शन में महत्वपूर्ण असमानताओं, मानव निर्णय के साथ सहसंबंध स्थापित करने में मानक स्वचालित मेट्रिक्स की अविश्वसनीयता, और कम संसाधन वाली अफ्रीकी भाषाओं के लिए बड़े पैमाने पर मूल्यांकन और बहु-मैट्रिक दृष्टिकोण की आवश्यकता को प्रकट करता है।
यह शोध पत्र कम संसाधन वाले पश्चिम अफ्रीकी भाषाओं के लिए टेक्स्ट कॉर्पोरा उत्पन्न करने हेतु ऑटोमैटिक स्पीच रिकग्निशन (ASR) पाइपलाइनों के उपयोग की प्रभावकारिता का मूल्यांकन करता है, जो यह प्रदर्शित करता है कि MMS-300M को फोंगबे (Fongbe) पर फाइन-ट्यून करने से वर्ड एरर रेट में महत्वपूर्ण कमी आती है, जबकि यह भी प्रकट करता है कि मौजूदा मॉडलों से प्राप्त हौसा (Hausa) ट्रांसक्रिप्शन स्वीकार्य गुणवत्ता के करीब हैं, जबकि फोंगबे के आउटपुट को वर्तमान में आगे के पोस्ट-प्रोसेसिंग की आवश्यकता है।
यह शोध पत्र SCENIC को प्रस्तुत करता है, जो एक एंड-टू-एंड फ्रेमवर्क है जो उन्नत प्रूनिंग, क्वांटाइजेशन और हार्डवेयर-अवेयर ऑप्टिमाइज़ेशन के माध्यम से मॉडल के आकार और इन्फरेंस लेटेंसी को महत्वपूर्ण रूप से कम करते हुए, स्ट्रक्चर्ड स्मार्ट-होम कमांड उत्पन्न करने के लिए संसाधन-बाधित एज IoT उपकरणों पर अत्यधिक कुशल, सब-0.2B-स्केल ट्रांसफार्मर मॉडल्स की तैनाती को सक्षम बनाता है और लगभग पूर्ण सटीकता (99.0% EM@1) प्राप्त करता है।
यह शोध पत्र एक एनकोडर-डिकोडर मैनिफोल्ड अलाइनमेंट फ्रेमवर्क प्रस्तावित करता है जो स्थिर, सटीक इडेम्पोटेंट जनरेशन प्राप्त करने के लिए एनकोडर और डिकोडर लेटेंट स्पेस के बीच ज्यामितीय बेमेल को हल करता है, जिससे इमेज एडिटिंग और जनरेशन कार्यों में ड्रिफ्ट को काफी कम किया जा सकता है और पहचान संरक्षण (identity preservation) में सुधार किया जा सकता है।
यह शोध पत्र मैनिफोल्ड रिस्टोर मिक्सिंग (MRM) का प्रस्ताव करता है, जो एक डेटा ऑग्मेंटेशन विधि है जो हिडन रिप्रेजेंटेशन को मिक्स करके और एक डिफिकल्टी शेड्यूलर का उपयोग करके प्रोटीन डेटा ऑग्मेंटेशन के दौरान खोई गई संरचनात्मक जानकारी को पुनर्स्थापित करती है, जिससे विभिन्न बैकबोन और डाउनस्ट्रीम कार्यों में प्रोटीन रिप्रेजेंटेशन लर्निंग को बढ़ाया जा सकता है।