22423 पेपर
यह शोध पत्र एक मेटा-वर्गीकरण ढांचे का प्रस्ताव करता है जो वन-क्लास वर्गीकरण मॉडलों को निकटतम-पड़ोसी (nearest-neighbor) और रैंकिंग-सहसंबंध (ranking-correlation) मेट्रिक्स का उपयोग करके वर्गीकृत किए जाने वाले सामान्यता रैंकिंग के रूप में मानता है, जो प्रभावी रूप से मॉडलों, डेटासेट और रैंकिंग के एकीकृत वर्गीकरण को सक्षम बनाता है।
यह शोध पत्र MKAN प्रस्तुत करता है, जो एक कोलमोगोरोव-आर्नोल्ड नेटवर्क वेरिएंट है जो एक्सपोनेंशियल रीपैरामीट्राइजेशन और पॉजिटिव वेट्स के माध्यम से सभी मापदंडों के लिए हार्ड मोनोटोनिसिटी (hard monotonicity) की गारंटी देता है, जो एक सैद्धांतिक रूप से आधारित साइजिंग नियम प्रदान करता है और मौजूदा मोनोटोन न्यूरल नेटवर्क्स की तुलना में बेहतर प्रदर्शन और व्याख्यात्मकता का अनुभवजन्य प्रदर्शन करता है।
यह शोध पत्र प्रदर्शित करता है कि निरंतर शिक्षण (continual learning) में मॉड्यूलर आर्किटेक्चर की प्रभावशीलता प्रतिनिधित्व आयामीता (representational dimensionality) पर निर्भर करती है, क्योंकि मॉड्यूलरिटी केवल कम-आयामी "समृद्ध" (rich) व्यवस्थाओं में अनुकूलनशील, कार्य-निर्भर उप-स्थान संगठन (subspace organization) को सक्षम करके एक निर्णायक लाभ प्रदान करती है, जबकि उच्च-आयामी "सुस्त" (lazy) व्यवस्थाओं में, स्पष्ट मॉड्यूलरिटी एकल-नेटवर्क बेसलाइन की तुलना में बहुत कम लाभ प्रदान करती है।
यह शोधपत्र KANLib को प्रस्तुत करता है, जो एक मॉड्यूलर, विस्तार योग्य और गणनात्मक रूप से कुशल PyTorch-आधारित फ्रेमवर्क है जो KAN आर्किटेक्चर के लचीले अनुसंधान और उच्च-प्रदर्शन मूल्यांकन को सुगम बनाने के लिए मौजूदा कोलमोगोरोव-आर्नोल्ड नेटवर्क कार्यान्वयनों को एकीकृत करता है।
यह शोध पत्र यह स्थापित करता है कि गॉसियन प्रोसेस से पोस्टीरियर सैंपल पाथ्स (posterior sample paths) को जारी करना स्वाभाविक रूप से डिफरेंशियल प्राइवेसी (differential privacy) को संतुष्ट करता है, क्योंकि यह प्रभावी रिज रेगुलराइजेशन (ridge regularization) और पोस्टीरियर वेरिएंस (posterior variance) को जोड़ने वाले स्पष्ट रेनी-डीपी (Rényi-DP) बाउंड्स व्युत्पन्न करता है, जबकि यह भी प्रदर्शित करता है कि इस अंतर्निहित यादृच्छिकता (intrinsic randomness) को गोपनीयता और उपयोगिता के बीच संतुलन बनाने के लिए कैलिब्रेटेड शोर (calibrated noise) के साथ और अधिक बढ़ाया जा सकता है।
LegalHalluLens एक ऐसा फ्रेमवर्क है जो टाइप किए गए हैलुसिनेशन प्रोफाइल और एक रिस्क डायरेक्शन इंडेक्स को पेश करके विश्वसनीय कानूनी एआई को बढ़ाता है ताकि छिपे हुए त्रुटि पैटर्न को उजागर किया जा सके, जो फिर फैब्रिकेशन दरों को काफी कम करने और परिनियोजन सुरक्षा में सुधार करने के लिए एक मल्टी-एजेंट डिबेट पाइपलाइन को कैलिब्रेट करता है।
यह शोध पत्र रिकर्सिव मास्कड डिफ्यूजन मॉडल्स (R-MDMs) को प्रस्तुत करता है, जो पुनरावृत्ति (recursion) को एक तीसरे स्केलिंग अक्ष के रूप में जोड़कर पैरामीटर दक्षता और अनुमान गति (inference speed) को बढ़ाते हैं, जिससे एक एकल ट्रांसफॉर्मर आउटपुट को पुनरावृत्त रूप से परिष्कृत कर सकता है, और बहुत बड़े गैर-पुनरावर्ती मॉडलों के समान प्रदर्शन कम पैरामीटर और डिनोइजिंग स्टेप्स के साथ प्राप्त करता है।
यह शोध पत्र NTK शासन (regime) में एक फलन-स्थान सिद्धांत (function-space theory) प्रस्तुत करता है जो यह प्रदर्शित करता है कि निरंतर अनुकूलन (continual adaptation) में विनाशकारी विस्मृति (catastrophic forgetting) एक निम्न-रैंक घटना है जो विशिष्ट आइगनमोड्स (eigenmodes) में केंद्रित है, जिससे विस्मृति वेक्टर्स (forgetting vectors) के लिए सटीक भविष्यवक्ताओं (predictors) का व्युत्पन्न प्राप्त करना संभव होता है और लक्षित स्पेक्ट्रल रेगुलराइजर्स (spectral regularizers) को प्रेरित किया जा सकता है।
यह शोधपत्र ConTex को प्रस्तुत करता है, जो एक मॉडल-अज्ञेय (model-agnostic) आर्किटेक्चर है जो टाइम सीरीज़ फोरकास्टिंग के लिए काउंटरफैक्चुअल जनरेशन को एक वैश्विक रूप से सुसंगत शिक्षण समस्या के रूप में पुनर्गठित करता है, जिससे तेज़, वास्तविक समय और व्याख्या योग्य हस्तक्षेप रणनीतियाँ सक्षम होती हैं जो वैधता, स्पर्सिटी (sparsity) और कम्प्यूटेशनल दक्षता में मौजूदा इंस्टेंस-वाइज (instance-wise) विधियों से बेहतर प्रदर्शन करती हैं।
यह शोध पत्र नॉइज़-टिल्टेड रिवर्स कर्नेल्स (NTRK) को प्रस्तुत करता है, जो एक नवीन रिवॉर्ड-गाइडेड डिफ्यूजन सैंपलर है जो बेहतर संरेखण (alignment) प्राप्त करने के लिए एक व्हाइटनिंग ऑपरेटर के माध्यम से सीधे रिवॉर्ड ग्रेडिएंट्स को नॉइज़ टर्म में इंजेक्ट करता है, जिससे नमूना गुणवत्ता से समझौता किए बिना या मध्यवर्ती अवस्थाओं को प्रशिक्षण वितरण से दूर ले जाए बिना कंप्यूट में 20 गुना कमी आती है।