22423 पेपर
यह शोध पत्र सैद्धांतिक रूप से सिद्ध और अनुभवजन्य रूप से मान्य करता है कि गॉसियन धारणाओं के तहत एक आउट-ऑफ-डिस्ट्रीब्यूशन (OOD) संदर्भ प्रोब के लिए महालनोबिस कोसाइन समानता (Mahalanobis cosine similarity), एक लीनियर प्रोब के OOD AUROC की रैखिक रूप से भविष्यवाणी करती है, जो प्रोब्स की तुलना करने के लिए मानक कोसाइन समानता का एक बेहतर विकल्प प्रदान करती है।
यह शोध पत्र दो नवीन कारण खोज (causal discovery) एल्गोरिदम, BRIDGE और Spectral Kan-Do Flow Matching को प्रस्तुत करता है, जो हस्तक्षेप-प्रेरित कारण प्रवाह (intervention-induced causal flows) की समाकलनीयता (integrability) की विफलताओं का विश्लेषण करके अंतर्निहित भ्रमित संरचनाओं (latent confounding structures) का अनुमान लगाने के लिए ली ब्रैकेट (Lie brackets) के ज्यामितिक गुणों और श्रेणीगत कान-डू-कैलकुलस (categorical Kan-Do-Calculus) का लाभ उठाते हैं।
यह शोध पत्र उन महत्वपूर्ण मूल्यांकन त्रुटियों—जिनमें डेटा लीकेज, शॉर्टकट लर्निंग और कार्यान्वयन संबंधी बग्स शामिल हैं—की पहचान करता है और उन्हें सुधारता है जो AI-संचालित अणु खोज बेंचमार्क की विश्वसनीयता को कम करते हैं, जिससे विश्वसनीय मॉडल मूल्यांकन सुनिश्चित करने के लिए एक उन्नत MassSpecGym v1.5 सुइट जारी किया गया है।
यह शोधपत्र RIVET को प्रस्तुत करता है, जो एक प्रशिक्षण ढांचा (training framework) है जो शोर वाले या असंगत लेबल एनोटेशन के विरुद्ध वॉइस एट्रिब्यूट एडिटिंग मॉडल्स की मजबूती को बढ़ाने के लिए इडेम्पोटेंसी (idempotency) को एक अंतर्निहित रेगुलराइज़र के रूप में उपयोग करता है, जिससे एडिटिंग की सफलता और स्पीकर आइडेंटिटी के संरक्षण में सुधार होता है।
यह शोध पत्र "टोकन फैक्ट्री" (Token Factory) का प्रस्ताव करता है, जो विविध पारंपरिक संकेतों को संक्षिप्त "सॉफ्ट टोकन" में परिवर्तित करके उन्हें लार्ज रिकमेंडेशन मॉडल्स (Large Recommendation Models) में कुशलतापूर्वक एकीकृत करने वाला एक ढांचा है, जिससे पारंपरिक टेक्स्टुअलाइजेशन (textualization) विधियों की मेमोरी और कम्प्यूटेशनल सीमाओं को दूर करते हुए उत्पादन-स्तर के प्रदर्शन को बढ़ाया जा सके।
यह शोध पत्र यह प्रकट करता है कि गणितीय-तर्क की कठिनाई का अनुमान लगाने के लिए मानक pass@k मीट्रिक में एक महत्वपूर्ण अंधा बिंदु (blind spot) है, क्योंकि कई सैंपलिंग प्रयासों द्वारा अनसुलझाने योग्य माने गए उदाहरणों का एक बड़ा हिस्सा वास्तव में ग्रेडी डिकोडिंग (greedy decoding) को एक्टिवेशन ग्राफ्टिंग व्यवधानों (activation grafting perturbations) के साथ संयोजित करने वाले एक नियतात्मक शासन (deterministic regime) का उपयोग करके हल किया जा सकता है, जो यह संकेत देता है कि ये "कठिन" उदाहरण संरचनात्मक रूप से सुलभ हैं लेकिन वर्तमान में मानक अनुमान विधियों द्वारा अनावरण नहीं किए गए हैं।
यह शोध पत्र फेडरेटेड लर्निंग में बेयसियन मिश्रण मॉडलों (Bayesian mixture models) के लिए एक व्यापक वेरिएशनल कंसेंसस मोंटे कार्लो पाइपलाइन प्रस्तुत करता है जो गैर-कंजुगेसी (non-conjugacy) के बिना क्लस्टरों की संख्या और सभी मापदंडों का अनुमान लगाने के लिए मौजूदा विधियों का विस्तार करता है, क्रॉस-सिलो सेटिंग्स के लिए नवीन क्लस्टर-मैचिंग एल्गोरिदम का उपयोग करता है, और इलेक्ट्रॉनिक हेल्थ रिकॉर्ड डेटा का उपयोग करके पूल्ड डेटा दृष्टिकोणों की तुलना में छोटे क्लस्टरों को पुनः प्राप्त करने में बेहतर सटीकता प्रदर्शित करता है।
यह शोध पत्र BrainG3N को प्रस्तुत करता है, जो एक दोहरा-उद्देश्य वाला टोकेनाइज़र है जो 3D मस्तिष्क MRI के लिए नैदानिक रूप से सूचनात्मक एम्बेडिंग उत्पन्न करने के लिए एक फ्रोजन (frozen) 3D मास्क्ड ऑटोएनकोडर का उपयोग करता है, जो उच्च-प्रदर्शन वाले डाउनस्ट्रीम नैदानिक कार्यों और लेटेंट डिफ्यूजन (latent diffusion) के माध्यम से नियंत्रणीय, रोगी-विशिष्ट अनुदैर्ध्य (longitudinal) पीढ़ी को सफलतापूर्वक सक्षम बनाता है।
यह शोध पत्र शैलो न्यूरल नेटवर्क के लिए एक उत्तल (convex) प्रशिक्षण प्रक्रिया प्रस्तुत करता है जो एक प्रतिबंधित उत्तल प्रोग्राम को हल करके प्रतिकूल हमलों (adversarial attacks) के विरुद्ध मजबूती को बढ़ावा देता है, जो एक पूर्व-प्रशिक्षित इनिशियलाइजेशन से खराब न होने वाले समाधान की गारंटी देता है और वास्तविक दुनिया के डेटासेट पर बेहतर सटीकता और मजबूती वाले नेटवर्क प्रदान करता है।
DF-ExpEnse एक सैंपल-एफिशिएंट एक्सप्लोरेशन तकनीक है जो प्रीट्रेन जेनरेटिव रोबोटिक पॉलिसियों को फाइनट्यून करने के लिए मल्टीमॉडल मॉडलिंग और क्रिटिक एनसेम्बल्स का लाभ उठाती है ताकि ऑनलाइन डेटा कलेक्शन को ऑप्टिमाइज़ किया जा सके और फ्लीट सेटिंग्स में कोलैबोरेटिव एक्सप्लोरेशन को सक्षम बनाया जा सके।