22423 पेपर
यह शोध पत्र "मूविंग आउट" (Moving Out) को प्रस्तुत करता है, जो भौतिक रूप से आधारित मानव-एआई सहयोग के लिए एक नया बेंचमार्क है जो मौजूदा असतत या गैर-भौतिक डेटासेट की सीमाओं को संबोधित करता है, और एजेंटों की विविध मानव व्यवहारों और जटिल भौतिक बाधाओं के अनुकूल होने की क्षमता को बढ़ाने के लिए BASS पद्धति का प्रस्ताव करता है।
HeteRo-Select एक हेटेरोजेनियस फेडरेटेड लर्निंग फ्रेमवर्क है जो क्लाइंट चयन, संपीड़न और एकत्रीकरण के लिए बैंडविड्थ के ऊपर डेटा सूचनात्मकता को प्राथमिकता देता है, जिससे विविध मॉडल स्केल्स और नॉन-IID स्थितियों में प्रभावी विषमता और संचार ओवरहेड को प्रमाणित रूप से कम करते हुए अभिसरण (convergence) को तेज करता है।
यह शोध पत्र सिद्ध करता है कि आधुनिक न्यूरल आर्किटेक्चर के मौलिक घटक, जैसे कि प्री-लेयर नॉर्मलाइजेशन और लीनियर अटेंशन, लगभग हमेशा अधिसंयोज्य (surjective) होते हैं, जो यह संकेत देता है कि GPT-शैली के ट्रांसफॉर्मर और डिफ्यूजन मॉडल जैसे व्यापक रूप से उपयोग किए जाने वाले जनरेटिव मॉडल सैद्धांतिक रूप से कोई भी आउटपुट उत्पन्न कर सकते हैं, जिससे प्रतिकूल हमलों (adversarial attacks) और सुरक्षा जोखिमों के प्रति एक अंतर्निहित भेद्यता का पता चलता है।
यह शोध पत्र KAN-SR को प्रस्तुत करता है, जो एक नवीन सिम्बोलिक रिग्रेशन फ्रेमवर्क है जो फाईनमैन डेटासेट से ग्राउंड-ट्रुथ समीकरणों को सटीक रूप से पुनः प्राप्त करने और इन-सिलिको बायोप्रोसेस सिस्टम की गतिशीलता को मॉडल करने के लिए कोलमोगोरोव-आर्नोल्ड नेटवर्क और सरलीकरण रणनीतियों का लाभ उठाता है।
OmniRetarget एक इंटरैक्शन-प्रिजर्विंग डेटा जनरेशन इंजन है जो एम्बॉडीमेंट गैप्स को दूर करने और महत्वपूर्ण मानव-वस्तु/पर्यावरण संबंधों को बनाए रखने के लिए एक इंटरैक्शन मेश का लाभ उठाता है, जिससे जटिल लर्निंग करिकुलम के बिना रोबस्ट, लॉन्ग-होराइजन ह्यूमनॉइड लोको-मैनिपुलेशन और पार्कोर स्किल्स के लिए उच्च गुणवत्ता वाले ट्रेनिंग डेटा का कुशल निर्माण संभव होता है।
यह शोधपत्र एक नॉइज़िंग (denoising) उद्देश्य के माध्यम से एक अनुमानित प्रोजेक्शन सीखकर ऑटोएनकोडर्स के अंतर्निहित (implicitly defined) लेटेंट मैनिफोल्ड्स पर डिस्क्रीट रिमानियन कैलकुलस (discrete Riemannian calculus) करने के लिए एक सुदृढ़ ढांचे का प्रस्ताव करता है, जिससे अंतर्निहित ऑटोएनकोडर आर्किटेक्चर से स्वतंत्र रूप से जियोडेसिक पथों (geodesic paths) और एक्सपोनेंशियल मैप्स (exponential maps) की गणना सक्षम होती है।
यह शोध पत्र यह प्रस्तावित करता है कि न्यूरल नेटवर्क में एडवरसेरियल भेद्यता (adversarial vulnerability) और ट्रांसफ़रेबिलिटी (transferability) "सुपरपोजिशन" से उत्पन्न होती है, जहाँ कुशल सूचना एनकोडिंग गैर-ऑर्थोगोनल (non-orthogonal) निरूपणों को मजबूर करती है जो विशेषताओं के बीच हस्तक्षेप का कारण बनती है, जिससे लक्षित गड़बड़ी (targeted perturbations) अनजाने में अन्य अवधारणाओं को प्रभावित करती है।
यह शोध पत्र एक सिद्धांत-आधारित दो-चरणीय ढांचे को प्रस्तुत करता है जो ऑनलाइन सुदृढीकरण शिक्षण (reinforcement learning) को आकार देने के लिए ऑफलाइन डेटा से डेटा-संचालित ऊपरी और निचली मान लिफाफों (value envelopes) को सीखता है, जिससे मौजूदा विधियों की तुलना में कम रिग्रेट (regret) के साथ सटीक मान सन्निकटन (value approximations) और औपचारिक रिग्रेट गारंटी प्राप्त होती है।
यह शोध पत्र MiniFool प्रस्तुत करता है, जो एक भौतिकी-प्रतिबंध-जागरूक (physics-constraint-aware) एडवरसैरियल अटैक एल्गोरिदम है जो कण और एस्ट्रोपार्टिकल भौतिकी में डीप न्यूरल नेटवर्क की मजबूती का मूल्यांकन करने के लिए लक्ष्य स्कोर विचलन (target score deviation) के साथ एक टेस्ट स्टैटिस्टिक को संयोजित करने वाले लागत फलन (cost function) को न्यूनतम करता है, जैसा कि MNIST, IceCube टॉ न्यूट्रिनो डेटा और CMS ओपन डेटा पर अनुप्रयोगों के माध्यम से प्रदर्शित किया गया है।
यह शोधपत्र EngTrace प्रस्तुत करता है, जो 1,350 संदूषण-प्रतिरोधी (contamination-resistant) इंजीनियरिंग समस्याओं और एक सत्यापन योग्य दो-चरणीय मूल्यांकन ढांचे से युक्त एक प्रतीकात्मक बेंचमार्क है, जिसका उद्देश्य सुरक्षा-महत्वपूर्ण, भौतिकी-आधारित वर्कफ़्लो में बड़े भाषा मॉडल (LLMs) की प्रक्रिया पर्यवेक्षण और एकीकृत तर्क क्षमताओं का कड़ाई से आकलन करना है।