22423 पेपर
यह शोध पत्र RAIGen को प्रस्तुत करता है, जो Matryoshka Sparse Autoencoders और एक नवीन अल्पसंख्यक मीट्रिक (minority metric) का उपयोग करके टेक्स्ट-टू-इमेज डिफ्यूजन मॉडल्स में दुर्लभ या कम प्रतिनिधित्व वाले सिमेंटिक गुणों की खोज के लिए पहला लेबल-मुक्त फ्रेमवर्क है, जो न्यूरॉन एक्टिवेशन फ्रीक्वेंसी को सिमेंटिक विशिष्टता के साथ जोड़ता है।
यह शोध पत्र Brep2Shape को प्रस्तुत करता है, जो एक टोपोलॉजी अटेंशन (topology attention) युक्त ड्यूल ट्रांसफार्मर बैकबोन का उपयोग करने वाली एक स्व-पर्यवेक्षित (self-supervised) विधि है, जो अमूर्त सीमा निरूपणों (abstract boundary representations) को सहज आकार निरूपणों (intuitive shape representations) के साथ संरेखित करने के लिए है, जिससे CAD प्रोसेसिंग में विश्लेषणात्मक सटीकता और दृश्य स्पष्टता के बीच के अंतर को पाटा जा सके।
यह शोध पत्र OmniSapiens-7B 2.0 को प्रस्तुत करता है, जो सामाजिक व्यवहार प्रसंस्करण के लिए एक फाउंडेशन मॉडल है, जो विविध और असंतुलित व्यवहार संबंधी डेटा से प्रभावी ढंग से सीखने के लिए एक नवीन हेटेरोजेनिटी-अवेयर रिलेटिव पॉलिसी ऑप्टिमाइज़ेशन पद्धति का लाभ उठाता है, जिससे कई कार्यों और बेंचमार्क पर अत्याधुनिक प्रदर्शन और सुसंगत तर्क प्राप्त होता है।
यह शोध पत्र DICE को प्रस्तुत करता है, जो नए CuKe डेटासेट और एक द्वि-चरणीय सुदृढीकरण लर्निंग (bi-phase reinforcement learning) फ्रेमवर्क पर प्रशिक्षित डिफ्यूजन लार्ज लैंग्वेज मॉडल्स की एक श्रृंखला है, जो उच्च-प्रदर्शन वाले CUDA कर्नेल उत्पन्न करने में मौजूदा ऑटोरेग्रेसिव और डिफ्यूजन मॉडल्स से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र एक निश्चित बजट के तहत एक मिनिमैक्स-ऑप्टिमल (minimax-optimal) डेटा संग्रह रणनीति प्रस्तावित करता है जो लक्षित वितरण से -विचलन (divergence) को न्यूनतम करने के लिए एकत्रित स्रोत वितरण को अनुकूलित करके प्रभावी नमूना आकार को अधिकतम करती है, जिससे जनसंख्या और समूह-सशर्त माध्यों के आकलन के लिए नैव (naive) सैंपलिंग और मानक अनुमानकों की तुलना में बेहतर प्रदर्शन करती है।
यह शोध पत्र तर्क देता है कि निरंतर शिक्षण (continual learning) में वर्तमान फाउंडेशन मॉडल्स की सीमाओं को दूर करने के लिए एक मॉड्यूलर मेमोरी आर्किटेक्चर की आवश्यकता है जो स्थिर क्षमता अपडेट के लिए इन-वेट लर्निंग (In-Weight Learning) को तीव्र अनुकूलन और ज्ञान संचय के लिए इन-कॉन्टेक्स्ट लर्निंग (In-Context Learning) के साथ सहक्रियात्मक रूप से संयोजित करता है।
यह शोध पत्र PIVOT को प्रस्तुत करता है, जो एक अवकलनीय (differentiable) लेयर है जो ब्लैक-स्कोल्स मूल्य और निहित अस्थिरता (implied volatility) स्थानों के बीच के अंतर को पाटता है, जो फॉरवर्ड पास में कुशल "लेट्स बी रेशनल" सॉल्वर को सुरक्षित रखते हुए लो-वेगा सिंगुलैरिटीज़ (low-vega singularities) को सुरक्षित रूप से संभालने के लिए स्पष्ट गेटिंग (explicit gating) के साथ इम्प्लिसिट डिफरेंशिएशन (implicit differentiation) का उपयोग करता है, जिससे प्रमुख सूचकांकों में ऑप्शन-लर्निंग उद्देश्यों और मूल्य भविष्यवाणी की सटीकता में महत्वपूर्ण सुधार होता है।
KFTD नेटवर्क एक समय-निरंतर, दो-चरणीय प्रतिमान पेश करता है जो कुशल, उच्च-सटीकता वाले और भौतिक रूप से सुसंगत महासागरीय स्थानिक-कालिक पूर्वानुमान प्राप्त करने के लिए कूपमैन लीनियरइजेशन (Koopman linearization), फूरियर विश्लेषण और एक भौतिकी-सूचित DPP लॉस को संयोजित करता है, जो मौजूदा विधियों की तुलना में सटीकता और गति में महत्वपूर्ण सुधार करता है।
यह शोध पत्र लॉन्ग-रेंज सिंगल-शॉट फ्रिंज प्रोजेक्शन प्रोफाइलोमेट्री में एक महत्वपूर्ण विफलता मोड की पहचान और समाधान करता है, जहाँ डीप लर्निंग मॉडल फ्रिंज-फेज डिकोडिंग के बजाय त्रुटिपूर्ण रूप से ऑब्जेक्ट-बाउंड्री शेप प्रायर्स (object-boundary shape priors) पर निर्भर हो जाते हैं, और इसके लिए PhiCalNet पेश करता है—एक ऐसा आर्किटेक्चर जो भौतिक शुद्धता को लागू करने के लिए स्पष्ट रूप से रैप्ड फेज (wrapped phase) आउटपुट करता है—जिससे मीन एब्सोल्यूट एरर (mean absolute error) में 3.3 गुना की कमी आती है और कन्वर्जेंट मैकेनिस्टिक इंटरप्रिटेबिलिटी (convergent mechanistic interpretability) एवं कॉन्फॉर्मल अनसर्टेन्टी क्वांटिफिकेशन (conformal uncertainty quantification) के माध्यम से निदान को मान्य किया जाता है।
यह शोध पत्र एक डिफ्यूजन-आधारित दृष्टिकोण प्रस्तुत करता है जो प्रयोगशाला मानों (laboratory values) और उनके सूचनात्मक अनुपलब्धता पैटर्न (informative missingness patterns) को संयुक्त रूप से मॉडल करके अनियमित नैदानिक समय श्रृंखला (clinical time series) उत्पन्न करता है, जिससे रोगी की शरीर क्रिया विज्ञान (physiology) और चिकित्सकों के परीक्षण व्यवहार के बीच नैदानिक रूप से सार्थक निर्भरताओं को कैप्चर किया जा सके ताकि भविष्य के नैदानिक मॉडलों के लिए एक आधार के रूप में कार्य किया जा सके।