22423 पेपर
यह शोध पत्र विभिन्न परिचालन स्थितियों के तहत घूमने वाले शाफ्टों में असंतुलित द्रव्यमान का सटीक अनुमान लगाने के लिए एक मैक्सिमम मीन डिसक्रेपेंसी रणनीति का उपयोग करने वाला एक डोमेन-शिफ्ट सचेत न्यूरल नेटवर्क प्रस्तावित करता है, जो उन स्ट्रक्चरल हेल्थ मॉनिटरिंग परिदृश्यों में बेहतर भविष्यवाणी सटीकता प्रदर्शित करता है जहाँ भौतिक व्यवहार और डोमेन विसंगतियाँ पूरी तरह से ज्ञात नहीं होती हैं।
यह शोध पत्र REVES का प्रस्ताव करता है, जो एक दो-चरणीय पुनरावृत्ति ढांचा (two-stage iterative framework) है जो सफल रिकवरी प्रक्षेपवक्रों (trajectories) से मध्यवर्ती "नियर-मिस" (near-miss) चरणों को विच्छेदित संशोधन और सत्यापन प्रॉम्प्ट्स में परिवर्तित करके प्रशिक्षण को संवर्धित करता है, जिससे कुशल ऑफ-पॉलिसी लर्निंग सक्षम होती है जो कोडिंग, गणितीय और बाधा-संतोष (constraint-satisfaction) कार्यों में मानक मल्टी-टर्न आरएल (RL) और विकासवादी खोज (evolutionary search) विधियों से काफी बेहतर प्रदर्शन करती है।
यह शोध पत्र एक ज़ीरो-शॉट एक्टिव फीचर एक्विज़िशन फ्रेमवर्क प्रस्तावित करता है जो मार्कोव रैंडम फील्ड के लिए विभेदक सांख्यिकी (डिस्क्रिमिनेटिव स्टैटिस्टिक्स) प्राप्त करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जिसमें मॉडल्स की पूर्ण वर्ग प्रायिकताएं (क्लास प्रोबेबिलिटीज) प्रदान करने में अक्षमता को दूर करने के लिए मैक्सिमम-एन्ट्रॉपी क्लोजर का उपयोग किया गया है, जिससे इन्फ्लेमेटरी बाउल डिजीज निदान जैसे चुनौतीपूर्ण नैदानिक परिवेशों में मौजूदा विधियों से बेहतर प्रदर्शन किया गया है।
यह शोध पत्र DIPHINE को प्रस्तुत करता है, जो स्कोर-आधारित डिफ्यूजन मॉडल का लाभ उठाने वाला पहला न्यूरल एस्टीमेटर है, जो निरंतर गैर-गौसियन गतिशील प्रणालियों के लिए इंटीग्रेटेड इंफॉर्मेशन डिकम्पोजिशन (ID) की सटीक गणना करने हेतु निर्मित किया गया है, जिससे जटिल वास्तविक दुनिया की प्रणालियों की अद्वितीय, पुनरुत्पादक और सहक्रियात्मक सूचना गतिशीलता को प्रकट करने के लिए पिछली सीमाओं को दूर किया जा सके।
स्पॉटलाइट (Spotlight) एक नवीन प्रणाली है जो स्टेल-वेट सीड एक्सप्लोरेशन (stale-weight seed exploration) और इलास्टिक सीक्वेंस पैरेललिज्म (elastic Sequence Parallelism) का लाभ उठाकर खाली पड़े स्पॉट जीपीयू (spot GPUs) के माध्यम से डिफ्यूजन ट्रांसफॉर्मर्स (Diffusion Transformers) के लिए लागत प्रभावी सुदृढीकरण शिक्षण (Reinforcement Learning) पोस्ट-ट्रेनिंग को सक्षम बनाती है, जिससे बेसलाइन की तुलना में 4 गुना गति और 1.4–6.4 गुना लागत में कमी आती है।
यह शोध पत्र सुमी (Sumi) को प्रस्तुत करता है, जो कि 1.5 ट्रिलियन टोकन पर स्क्रैच से प्रीट्रेन किया गया एक पूर्णतः ओपन 7B यूनिफॉर्म डिफ्यूजन लैंग्वेज मॉडल है, जो नेटिव यूनिफॉर्म डिफ्यूजन के अध्ययन के लिए पहला बड़े पैमाने का संदर्भ बिंदु के रूप में कार्य करता है और ज्ञान, तर्क एवं कोडिंग बेंचमार्क पर प्रतिस्पर्धी प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र Moat और इसके कार्यान्वयन Re-Moat को प्रस्तुत करता है, जो एक गतिशील, लाइफसाइकिल-जागरूक विश्लेषण ढांचा है जो संरचित होस्ट सिस्टम इंटरैक्शन की निगरानी करके ML मॉडल निष्पादन को सुरक्षित करता है, और विविध वास्तविक दुनिया के मॉडलों एवं फ्रेमवर्क में लगभग शून्य फॉल्स पॉजिटिव के साथ व्यापक हमले का पता लगाने में सक्षम है।
यह शोध पत्र एक हाइब्रिड LSTM-विज़न ट्रांसफॉर्मर फ्रेमवर्क प्रस्तुत करता है जो सतह के अवलोकनों को ऊर्ध्वाधर वायुमंडलीय प्रोफाइल के साथ एकीकृत करता है ताकि HRRR मॉडल पूर्वानुमान त्रुटियों, विशेष रूप से वर्षा के लिए और जटिल सीमा परत स्थितियों के दौरान, के पूर्वानुमान में महत्वपूर्ण सुधार किया जा सके, जिससे परिचालन मौसम पूर्वानुमान के लिए बेहतर मार्गदर्शन प्राप्त हो सके।
यह शोध पत्र एक कठोर ज्यामितीय और स्टोकेस्टिक विश्लेषण प्रदान करता है जो यह प्रदर्शित करता है कि स्पार्स मिक्स्चर-ऑफ-एक्सपर्ट्स (Sparse Mixture-of-Experts) मॉडलों में विच्छेदन (discontinuities) निम्न-क्रम की स्विचिंग घटनाओं (low-order switching events) द्वारा नियंत्रित होते हैं, और इस अंतर्दृष्टि का लाभ उठाते हुए एक सरल स्मूथिंग तंत्र प्रस्तावित करता है जो न्यूनतम कम्प्यूटेशनल ओवरहेड के साथ निरंतरता और अनुभवजन्य प्रदर्शन (empirical performance) दोनों को बढ़ाता है।
यह शोध पत्र एक पैरामीटर-कुशल, सीखने योग्य रेसिडुअल स्पीच-टू-स्पाइक एनकोडर पेश करता है जिसे एक स्पाइकिंग न्यूरल नेटवर्क के साथ एंड-टू-एंड प्रशिक्षित किया गया है, जो सिग्नल पुनर्निर्माण के बजाय कार्य-संरेखित स्पाइक रिप्रजेंटेशन को प्राथमिकता देकर गूगल स्पीच कमांड्स v2 बेंचमार्क पर अत्याधुनिक सटीकता प्राप्त करता है, और साथ ही बायो-इंस्पायर्ड डायरेक्ट फीडबैक अलाइनमेंट बनाम सरोगेट-ग्रेडिएंट बैकप्रोपैगेशन के प्रदर्शन संबंधी ट्रेड-ऑफ को भी परिमाणित करता है।