22423 पेपर
यह शोध पत्र उत्तल अनुकूलन (convex optimization) के लिए एक हाइपरपैरामीटर-मुक्त, सैद्धांतिक रूप से सुदृढ़ स्टोकेस्टिक अनुकूली स्टेप-साइज़ रणनीति प्रस्तुत करता है जो प्रथम-क्रम ओरेकल (first-order oracle) के माध्यम से स्थानीय ज्यामिति का लाभ उठाता है, विभिन्न धारणाओं के तहत अभिसरण (convergence) को सिद्ध करता है और ट्यून किए गए बेसलाइनों के विरुद्ध अनुभवजन्य प्रतिस्पर्धात्मकता प्रदर्शित करता है।
यह शोध पत्र समुदायों वाले स्टोकेस्टिक ब्लॉक मॉडल (Stochastic Block Model) में एक नए चरण संक्रमण थ्रेशोल्ड (phase transition threshold) के लिए साक्ष्य प्रदान करता है, यह सिद्ध करते हुए कि इस थ्रेशोल्ड से नीचे लो-डिग्री पॉलीनोमियल्स (low-degree polynomials) विफल हो जाते हैं जबकि विशिष्ट ग्राफ मोटिफ्स (graph motifs) की गणना के माध्यम से इस थ्रेशोल्ड के ऊपर बहुपद-समय रिकवरी (polynomial-time recovery) संभव है, जो स्पार्स (sparse) से लेकर मॉडरेटली स्पार्स (moderately sparse) रिजीम तक पिछले परिणामों का विस्तार करता है।
यह शोधपत्र एक नए "सेफ KL" (Safe KL) विचलन पर आधारित LogSumExp फलन के लिए एक नवीन उत्तलता- (convexity) और चिकनाई-संरक्षणकारी (smoothness-preserving) सन्निकटन का प्रस्ताव करता है, जो वितरण रूप से सुदृढ़ अनुकूलन (distributionally robust optimization) और एंट्रॉपी-नियमित इष्टतम परिवहन (entropy-regularized optimal transport) जैसी बड़े पैमाने की समस्याओं के लिए कुशल स्टोकेस्टिक अनुकूलन को सक्षम बनाता है।
यह शोध पत्र प्रदर्शित करता है कि जिज्ञासा-प्रेरित सक्रिय अनुमान (curiosity-driven active inference) का उपयोग करने वाले रोबोटिक एजेंट आत्म-अन्वेषण के माध्यम से भाषा-क्रिया संबंधों को कुशलतापूर्वक प्राप्त कर सकते हैं, जो मनुष्यों में देखे जाने वाले प्रमुख विकासात्मक पैटर्न जैसे कि संरचनात्मक सामान्यीकरण (compositional generalization), त्वरित अधिगम और यू-आकारित प्रदर्शन वक्रों (U-shaped performance curves) की नकल करते हैं।
यह शोध पत्र "ह्यूमनॉइड एवरीडे" (Humanoid Everyday) को प्रस्तुत करता है, जो कि 260 कार्यों में 10,000 से अधिक मल्टीमॉडल प्रक्षेपवक्रों (multimodal trajectories) वाला एक बड़े पैमाने का, विविध डेटासेट है जिसे ओपन-वर्ल्ड ह्यूमनॉइड मैनिपुलेशन अनुसंधान को आगे बढ़ाने के लिए डिज़ाइन किया गया है, जिसके साथ पॉलिसी लर्निंग विधियों का विश्लेषण और एक मानकीकृत क्लाउड-आधारित मूल्यांकन प्लेटफॉर्म भी दिया गया है।
यह शोध पत्र CAGE को प्रस्तुत करता है, जो एक नवीन क्वांटाइजेशन-अवेयर ट्रेनिंग विधि है जो स्ट्रेट-थ्रू एस्टीमेटर को मल्टी-ऑब्जेक्टिव ऑप्टिमाइजेशन फ्रेमवर्क से प्राप्त एक कर्वेचर-अवेयर करेक्शन टर्म के साथ संवर्धित करती है, जिससे लो-बिट क्वांटाइज्ड मॉडल्स और फुल-प्रिसिजन ट्रेनिंग के बीच सटीकता के अंतर को महत्वपूर्ण रूप से कम किया जाता है और साथ ही मजबूत सैद्धांतिक अभिसरण गारंटी भी प्रदान की जाती है।
यह शोध पत्र RECAP को प्रस्तुत करता है, जो एक एंड-टू-एंड रिप्ले रणनीति है जिसमें डायनेमिक ऑब्जेक्टिव रीवेटिंग (dynamic objective reweighting) शामिल है, जो सुदृढीकरण शिक्षण (reinforcement learning) के साथ प्रशिक्षित बड़े रीजनिंग मॉडल्स में सामान्य-क्षमता विस्मृति (general-capability forgetting) को प्रभावी ढंग से कम करती है और साथ ही लचीले रिवॉर्ड ट्रेड-ऑफ के माध्यम से रीजनिंग प्रदर्शन को बढ़ाती है।
यह शोध पत्र विमान संरचनाओं के लिए एक एंड-टू-एंड डिजिटल ट्विन फ्रेमवर्क प्रस्तुत करता है जो डायनेमिक गॉसियन प्रोसेस सरोगेट्स में डेरिवेटिव डेटा को कुशलतापूर्वक शामिल करने के लिए एक नवीन स्ट्रीमिंग स्पार्स चोलेस्की सॉल्वर का उपयोग करता है, जिससे डेरिवेटिव-संवर्धित मॉडलों से जुड़ी अत्यधिक कम्प्यूटेशनल लागतों के बिना वास्तविक समय में, उच्च-सटीक थकान दरार वृद्धि (फटीग क्रैक ग्रोथ) भविष्यवाणियां सक्षम होती हैं।
यह शोध पत्र एक पर्यावरण-अनुकूलन योग्य कोवेरिएट चयन एल्गोरिदम प्रस्तावित करता है जो केवल आंशिक कारणत्मक माता-पिता (causal parents) देखे जाने पर आउट-ऑफ-डिस्ट्रीब्यूशन भविष्यवाणी में सुधार करने के लिए पर्यावरण-स्तर के हस्ताक्षरों के आधार पर कारणत्मक और छद्म विशेषताओं के बीच गतिशील रूप से चयन करता है।
यह शोध पत्र PAVE का प्रस्ताव करता है, जो एक क्रिटिक-केंद्रित (critic-centric) रेगुलेराइज़ेशन फ्रेमवर्क है जो पॉलिसी ऑसिलेशन्स (policy oscillations) को Q-फंक्शन की डिफरेंशियल ज्योमेट्री (differential geometry) से सैद्धांतिक रूप से जोड़कर और एक्टर में संशोधन किए बिना Q-ग्रेडिएंट वोलैटिलिटी (Q-gradient volatility) को अनुभवजन्य रूप से कम करके, एक्टर-क्रिटिक विधियों में पॉलिसी स्मूथनेस (policy smoothness) को स्थिर करता है।