22423 पेपर
यह शोध पत्र ड्रॉपआउट-आधारित न्यूरल नेटवर्क प्रशिक्षण में परकोलेशन (percolation) की भूमिका की जांच करता है, यह प्रदर्शित करते हुए कि यादृच्छिक कनेक्शनों को हटाना इनपुट-आउटपुट पथों को बाधित कर सकता है और प्रशिक्षण विफलता का कारण बन सकता है, विशेष रूप से उन नेटवर्कों में जिनमें बायस (biases) नहीं होते हैं।
यह शोध पत्र एक हल्का, CNN-आधारित फ्रेमवर्क प्रस्तावित करता है जो केवल एन्क्रिप्टेड पैकेट आकार डेटा का उपयोग करके BRISQUE और MOS जैसे वीडियो कॉन्फ्रेंसिंग गुणवत्ता के अनुभव (QoE) मेट्रिक्स की सटीक भविष्यवाणी करता है, जिससे ISPs को सामग्री तक पहुँच बनाए बिना प्रदर्शन का आकलन करने में सक्षम बनाया जा सके।
यह शोधपत्र यह उजागर करके कि कैसे "प्रीजुडिशियल ट्रिक" (Prejudicial Trick) स्थिरता की कीमत पर कवरेज बनाए रखते हुए अंतराल को भ्रामक रूप से छोटा कर सकती है, कॉन्फॉर्मल प्रेडिक्शन में मानक अंतराल लंबाई मीट्रिक की आलोचना करता है, और ऐसे भ्रामक सुधारों का पता लगाने के लिए एक नया "अंतराल स्थिरता" (interval stability) मीट्रिक प्रस्तावित करता है।
यह शोध पत्र लार्ज लैंग्वेज मॉडल्स (LLMs) में टैसिट कोऑर्डिनेशन (tacit coordination) का पहला बड़े पैमाने पर मूल्यांकन प्रस्तुत करता है, जो यह प्रकट करता है कि जहाँ LLMs अक्सर फोकल पॉइंट्स के माध्यम से संचार के बिना समन्वय करने में मनुष्यों के बराबर या उनसे बेहतर प्रदर्शन करते हैं, वहीं वे संख्यात्मक सामान्य ज्ञान या सांस्कृतिक बारीकियों की आवश्यकता वाले कार्यों में लगातार विफल रहते हैं, जिससे उनके लेटेंट नोटियंस ऑफ सैलिएंस (latent notions of salience) में महत्वपूर्ण सामाजिक सीमाओं का पता चलता है।
यह शोध पत्र ग्रेजुअल फाइन-ट्यूनिंग (GFT) प्रस्तुत करता है, जो एक सैद्धांतिक रूप से आधारित, तापमान-नियंत्रित एनीलिंग फ्रेमवर्क है जो केवल लक्ष्य नमूनों (target samples) का उपयोग करके फ्लो मैचिंग मॉडल्स के लक्ष्य वितरणों में स्थिर, कुशल और विविध अनुकूलन को सक्षम बनाता है, जो अभिसरण (convergence) और जनरेशन की गुणवत्ता में मौजूदा विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र एक हाइब्रिड क्वांटम-क्लासिकल अटेंशन मॉडल प्रस्तावित करता है जो क्लस्टर-आइसिंग मॉडल पर न्यूनतम प्रशिक्षण डेटा के साथ उच्च सटीकता और स्केलेबिलिटी प्रदर्शित करते हुए, कई-शरीर प्रणालियों (many-body systems) में क्वांटम चरणों को कुशलतापूर्वक और मजबूती से वर्गीकृत करने के लिए स्वैप टेस्ट और पैरामीट्रिक क्वांटम सर्किट का लाभ उठाता है।
यह शोध पत्र ProCAD प्रस्तुत करता है, जो एक सक्रिय एजेंटिक फ्रेमवर्क (proactive agentic framework) है जो कोड संश्लेषण से पहले लक्षित स्पष्टीकरण के माध्यम से अस्पष्ट या असंगत टेक्स्ट प्रॉम्प्ट्स को हल करता है, और मजबूत एवं वैध CadQuery प्रोग्राम उत्पन्न करने में मौजूदा मॉडलों की तुलना में काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र समूह निष्पक्षता (group fairness) के लिए एक गेम-थ्योरेटिक ढांचे का प्रस्ताव करता है जो उप-जनसंख्याओं को सौदेबाजी करने वाले एजेंटों के रूप में व्याख्यायित करता है और एक "मैक्सिमिन रिलेटिव इम्प्रूवमेंट" (maximin relative improvement) उद्देश्य पेश करता है, जो अलग-अलग पूर्वानुमान क्षमता वाले समूहों में स्केल-इनवेरिएंट और मोनोटोनिक रूप से निष्पक्ष शिक्षण सुनिश्चित करने के लिए कालाई-स्मोरोडिंकी समाधान को पुनर्प्राप्त करता है।
यह शोध पत्र एक सार्वभौमिक वेक्टर क्वांटिज़ेशन कोडबुक के अस्तित्व को सिद्ध करता है जो सभी इनपुट सांख्यिकी (input statistics) में LLMs के मैट्रिक्स उत्पादों के लिए निकट-इष्टतम संपीड़न (near-optimal compression) प्राप्त करता है, जो एक आदर्श इनपुट-अनुकूलित दृष्टिकोण की तुलना में प्रति आयाम केवल 0.11 बिट का अधिकतम दंड (penalty) वहन करता है, बावजूद इसके कि प्रमाण गैर-रचनात्मक (non-constructive) है।
यह शोध पत्र रियलाइज़ेबल सेटिंग में रैंडमाइज्ड लर्नर्स के लिए पहला लोअर बाउंड स्थापित करके और एगोस्टिक सेटिंग में एक इमप्रॉपर रैंडमाइज्ड एल्गोरिदम पेश करके ऑनलाइन स्ट्रैटेजिक क्लासिफिकेशन को आगे बढ़ाता है जो कि इष्टतम O(\sqrt{T\log|\mathcal H|) रिग्रेट रेट प्राप्त करता है, जिससे डिटर्मिनिस्टिक और प्रॉपर लर्निंग दृष्टिकोणों की सीमाओं को दूर करने के लिए रैंडमाइजेशन और इमप्रॉपरनेस की आवश्यकता को सिद्ध किया जाता है।