22420 पेपर
कॉनकॉर्डिया (Concordia) लंबे समय तक चलने वाले LLM इन्फरेंस के लिए एक फॉल्ट-टॉलरेंट रनटाइम है जो डिवाइस-रेसिडेंट पर्सिस्टेंट कर्नेल का उपयोग करता है, जिसमें बिना सर्विंग स्टैक को बाधित किए, GPU-रेसिडेंट स्टेट के लो-ओवरहेड, CPU-बायपासिंग चेकपॉइंटिंग और रिकवरी को निष्पादित करने के लिए JIT-कंपाइल्ड, PTX/SASS-स्तर के इंस्ट्रुमेंटेशन का उपयोग किया जाता है।
यह शोध पत्र एक सिमुलेशन-मुक्त, भारित न्यूनतम वर्ग (वेटेड लीस्ट-स्क्वेयर्स) अनुकूलन विधि प्रस्तावित करता है जो एक अध्ययन क्षेत्र को क्षेत्रों में विभाजित करके और किनारे-स्तरीय प्रक्षेप पथों को व्युत्पन्न करके विरल एकत्रित सेंसर डेटा से समय-परिवर्तनीय यातायात प्रवाह का अनुमान लगाता है, जो ब्रसेल्स सड़क नेटवर्क पर आधारभूत विधियों की तुलना में बेहतर सटीकता और गणनात्मक दक्षता प्रदर्शित करता है।
यह शोध पत्र SQLConductor को प्रस्तुत करता है, जो एक चरण-दर-चरण ऑर्केस्ट्रेशन फ्रेमवर्क है जो 'सर्च-टू-पॉलिसी लर्निंग' का उपयोग करके मध्यवर्ती फीडबैक के आधार पर गतिशील रूप से SQL उप-कार्यों (subtasks) का चयन करने के लिए एक पॉलिसी मॉडल को प्रशिक्षित करता है, जिससे फिक्स्ड पाइपलाइनों और डायरेक्ट बैकबोन ट्रेनिंग की तुलना में जटिल टेक्स्ट-टू-एसक्यूएल (Text-to-SQL) बेंचमार्क पर बेहतर निष्पादन सटीकता और सामान्यीकरण प्राप्त होता है।
VeriEvol एक पुनरावृत्ति ढांचा (iterative framework) है जो टाइप-अवेयर इवोल्यूशन ऑपरेटर्स के माध्यम से प्रॉम्प्ट कठिनाई विस्तार को, मल्टी-सोर्स हाइपोथेसिस-टेस्ट फाल्सिफिकेशन के माध्यम से उत्तर विश्वसनीयता प्रवर्तन से अलग करके मल्टीमॉडल गणितीय तर्क को स्केल करता है, जिससे उच्च-गुणवत्ता वाला सत्यापित डेटा उत्पन्न होता है जो विजुअल-मैथ बेंचमार्क पर मॉडल के प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है।
यह शोध पत्र एक रूफलाइन-प्रेरित स्केलिंग मॉडल प्रस्तुत करता है जो नियंत्रित आर्किटेक्चरल स्वीप्स से प्राप्त कंप्यूट, मेमोरी ट्रैफिक और हार्डवेयर दक्षता कारकों को मापे गए ऊर्जा से जोड़कर विषम मल्टी-जीपीयू कॉन्फ़िगरेशन में ट्रांसफॉर्मर प्रशिक्षण की ऊर्जा खपत का सटीक अनुमान लगाता है।
यह शोध पत्र SuperCond-GNN को प्रस्तुत करता है, जो एक स्केलेबल ग्राफ न्यूरल नेटवर्क सरोगेट है जो उन्हें लम्पड-एलिमेंट सर्किट के रूप में मॉडल करके उच्च-तापमान वाले सुपरकंडक्टिंग मैग्नेट्स में वोल्टेज वितरण और करंट पुनर्वितरण की सटीक और तीव्र भविष्यवाणी करता है, जो डिजाइन अन्वेषण और वास्तविक समय की निगरानी के लिए पारंपरिक सॉल्वर का एक टोपोलॉजी-अज्ञेय (topology-agnostic) विकल्प प्रदान करता है।
यह शोधपत्र न्यूरल ओडीई (Neural ODEs) का उपयोग करते हुए एक वर्गीकरण पद्धति प्रस्तावित करता है जो क्लास-विशिष्ट अट्रैक्टर्स के रूप में प्लांटेड इक्विलिब्रियम पॉइंट्स (planted equilibrium points) का लाभ उठाती है, जहाँ सीखा गया वेलोसिटी फील्ड इनपुट ट्रैजेक्टरीज को सटीक वर्गीकरण के लिए उनके संबंधित बेसिन ऑफ अट्रैक्शन (basins of attraction) की ओर निर्देशित करता है।
यह शोध पत्र सेल्फ-अवेयर शेड्यूलिंग (SAS) प्रस्तुत करता है, जो एक सिद्धांतगत ढांचा है जो डिकोडिंग मिसमैच (decoding mismatch) पर एक सुलभ ऊपरी सीमा (tractable upper bound) प्राप्त करके एक हल्के नीति (lightweight policy) को प्रशिक्षित करता है ताकि मास्क्ड डिफ्यूजन लैंग्वेज मॉडल्स में टोकन अनमास्किंग क्रम को अनुकूलित किया जा सके, जिससे सुडोकू और गणितीय तर्क जैसे कार्यों पर ह्यूरिस्टिक शेड्यूल्स की तुलना में जनरेशन की गुणवत्ता में महत्वपूर्ण सुधार होता है।
SVD-Surgeon एक प्रशिक्षण-मुक्त (training-free) विधि है जो सिंगुलर वैल्यूज पर ऑप्टिमल ब्रेन सर्जन फ्रेमवर्क को लागू करके मौजूदा लो-रैंक LLM संपीड़न (compression) को बेहतर बनाती है, जिससे बिना पुन: प्रशिक्षण के परप्लेक्सिटी-कंप्रेशन ट्रेड-ऑफ को सुधारने के लिए सेकंड-ऑर्डर लॉस कंपनसेशन और सैलिएंसी-आधारित प्रूनिंग सक्षम होती है।
यह शोध पत्र पैरोक्सिस्मल एट्रियल फाइब्रिलेशन (Paroxysmal Atrial Fibrillation) का पता लगाने के लिए एक पेशेंट-अवेयर कंट्रास्टिव लर्निंग ऑब्जेक्टिव प्रस्तावित करता है जो वर्गों को अलग करते हुए व्यक्तिगत साइनस रिदम संरचनाओं को संरक्षित करता है, जिससे मानक सुपरवाइज्ड कंट्रास्टिव और बाइनरी क्रॉस-एन्ट्रॉपी विधियों की तुलना में अनदेखे रोगियों के प्रति बेहतर मजबूती और सामान्यीकरण प्राप्त होता है।