22423 पेपर
HeRo-Q एक नवीन पोस्ट-ट्रेनिंग क्वांटाइजेशन फ्रेमवर्क है जो हेसियन मैट्रिक्स (Hessian matrix) को कंडिशन करने के लिए एक सीखने योग्य रोटेशन-कंप्रेशन मैट्रिक्स लागू करके लो-बिट रिजीम्स (low-bit regimes) में स्थिरता को बढ़ाता है, जिससे क्वांटाइजेशन शोर के प्रति संवेदनशीलता कम होती है और यह GPTQ और AWQ जैसे अत्याधुनिक तरीकों से बेहतर प्रदर्शन करता है।
यह शोध पत्र विषय वर्गीकरण के लिए सुपरवाइज्ड मल्टी-लेबल क्लासिफिकेशन को सारांश के लिए जनरेटिव एआई के साथ जोड़कर उपयोगकर्ता फीडबैक के बड़े आयतन का कुशलतापूर्वक विश्लेषण करने की तकनीकों को प्रस्तुत करता है, साथ ही यह प्रदर्शित करता है कि सेंटिमेंट एनालिसिस समग्र उत्पाद संतुष्टि के लिए एक अविश्वसनीय प्रॉक्सी है, जिसे स्पष्ट रूप से मापा जाना चाहिए।
यह शोध पत्र PRISM को प्रस्तुत करता है, जो एक नवीन ढांचा है जो सहचरों (covariates) के दिए जाने पर शारीरिक आकृतियों के सशर्त वितरण को मॉडल करने के लिए अनिश्चितता-जागरूक सांख्यिकीय विश्लेषण के साथ निहित तंत्रिका निरूपणों (implicit neural representations) को संयोजित करता है, जिससे स्थानिक रूप से निरंतर, व्याख्या योग्य अनिश्चितता परिमाणीकरण सक्षम होता है और विविध स्वास्थ्य देखभाल कार्यों में मौजूदा वैश्विक समय-विरूपण (global time-warping) विधियों से बेहतर प्रदर्शन करता है।
यह शोधपत्र मैनिफोल्ड-वैल्यूड डिफ्यूजन और टेंजेंट वेक्टर न्यूरॉन्स पर आधारित दो नवीन, इक्विवेरिएंट ग्राफ न्यूरल नेटवर्क लेयर्स पेश करता है जो रिमानियन मैनिफोल्ड फीचर्स को संभालते हैं, जो अल्जाइमर वर्गीकरण जैसे कार्यों में अत्याधुनिक विधियों की तुलना में बेहतर प्रदर्शन प्रदर्शित करते हुए व्यापक अनुप्रयोगों के लिए अधिक लचीलापन प्रदान करते हैं।
यह शोध पत्र एक बहु-उद्देश्यीय हाइपरपैरामीटर अनुकूलन ढांचे का प्रस्ताव करता है जो टिकाऊ एआई के लिए मॉडल की सटीकता को अधिकतम करने और कम्प्यूटेशनल संसाधन खपत को कम करने के लिए अत्याधुनिक बहु-सटीकता (multi-fidelity) तकनीकों को डीप शिफ्ट न्यूरल नेटवर्क के साथ जोड़ता है।
यह शोधपत्र विभिन्न प्रकार के प्रोजेक्शन को सामान्यीकृत करते हुए प्रतिबंधित लॉग-कॉन्केव सैंपलिंग (constrained log-concave sampling) के लिए एक एकीकृत प्रॉक्सिमल फ्रेमवर्क स्थापित करता है, जो रैंडमाइज्ड मिडपॉइंट और अन्य लैंगविन एल्गोरिदम के लिए वासेरस्टीन दूरियों (Wasserstein distances) में निकट-इष्टतम अभिसरण गारंटी (near-optimal convergence guarantees) प्राप्त करने में सक्षम बनाता है।
यह शोध पत्र BOA-Restormer को प्रस्तुत करता है, जो एक ट्रांसफॉर्मर-आधारित इमेज रेस्टोरेशन मॉडल है जो एलियास-मुक्त (alias-free) पथ बनाने के लिए फ्रीक्वेंसी-डोमेन डाउनसैंपलिंग और अपसैंपलिंग का उपयोग करता है, जिससे बहाली प्रदर्शन (restoration performance) पर न्यूनतम प्रभाव के साथ मॉडल की मजबूती में महत्वपूर्ण सुधार होता है।
यह शोधपत्र एक सुदृढ़ लोकल पॉलिनोमियल रिग्रेशन फ्रेमवर्क प्रस्तुत करता है जो वेटिंग में प्रेडिक्टर और रिस्पॉन्स दोनों चरों को सम्मिलित करने के लिए एक कंडीशनल डेंसिटी कर्नेल का उपयोग करता है, जो आउटलियर के प्रभाव को प्रभावी ढंग से कम करते हुए इटरेटिव रोबस्ट LOWESS की तुलना में कम एम्पेरिकल बायस प्राप्त करता है और मानक LOWESS के साथ प्रतिस्पर्धी बना रहता है।
यह अध्ययन प्रकट करता है कि लार्ज लैंग्वेज मॉडल्स सर्वेक्षण सिमुलेशन में महत्वपूर्ण भौगोलिक और सामाजिक-जनसांख्यिकीय पूर्वाग्रह प्रदर्शित करते हैं, जो प्रशिक्षण सेट की सीमाओं के कारण अमेरिकी डेटा पर बेहतर प्रदर्शन करते हैं, जबकि अमेरिका और चिली दोनों में राजनीतिक, नस्लीय और सांस्कृतिक चरों के बीच स्पष्ट निष्पक्षता असमानताएं दिखाते हैं।
यह शोध पत्र रेसिडुअल इंटीग्रल सॉल्वर नेटवर्क (RISN) को प्रस्तुत करता है, जो एक नवीन आर्किटेक्चर है जो जटिल, बहु-आयामी और दोलनशील इंटीग्रल और इंटेग्रो-डिफरेंशियल समीकरणों को हल करने के लिए उच्च-सटीक संख्यात्मक विधियों के साथ रेसिडुअल कनेक्शन को जोड़ता है ताकि मौजूदा फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क्स की तुलना में बेहतर सटीकता और स्थिरता के साथ प्रदर्शन किया जा सके।