22423 पेपर
यह शोध पत्र CAP प्रस्तुत करता है, जो एक नवीन ढांचा है जो फोटोप्लेथिस्मोग्राफी (PPG) संकेतों को नैदानिक अर्थों के साथ संरेखित करने के लिए एक बड़े पैमाने के युग्मित PPG-EHR डेटासेट और रोगी-स्तरीय पर्यवेक्षण का लाभ उठाता है, जिससे विविध डाउनस्ट्रीम स्वास्थ्य निगरानी कार्यों में प्रतिनिधित्व शिक्षण और प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र डेल्टास्टार (DeltaStar) को प्रस्तुत करता है, जो सेल्फ-प्ले के माध्यम से प्रशिक्षित एक डीप रीइन्फोर्समेंट लर्निंग एजेंट है जो एक बेहतर लैटिस रिडक्शन रणनीति की खोज करता है, जिसमें क्लासिक एलएलएल (LLL) एल्गोरिदम की तुलना में कम ऑपरेशन्स की आवश्यकता होती है और जो उच्च आयामों (dimensions) तथा अनदेखे मॉड्युली (moduli) के लिए ज़ीरो-शॉट जनरलाइजेशन प्रदर्शित करता है।
यह शोध पत्र LatentGym को प्रस्तुत करता है, जो एक नियंत्रणीय टेस्टबेड है जिसमें ग्राउंड-ट्रुथ लेटेंट संरचनाएं (ground-truth latent structures) मौजूद हैं, जो अन्वेषण (exploration) को दोहन (exploitation) से अलग करके एजेंटिक प्रणालियों में क्रॉस-टास्क अनुभवात्मक शिक्षण के मूल्यांकन को सक्षम बनाता है, जिससे इस बात के अध्ययन को सुगम बनाया जाက်ता है कि LLMs क्रमिक कार्यों (sequential tasks) में कैसे और क्यों अनुकूलित होते हैं।
यह शोध पत्र यह प्रदर्शित करता है कि जहाँ स्ट्रक्चर्ड टैबुलर डेटा पर औद्योगिक कार रेट्रोफिट भविष्यवाणी के लिए स्ट्रॉन्ग क्लासिकल ट्री एनसेम्बल्स (strong classical tree ensembles), स्टैंडअलोन मॉडल के रूप में LLMs से बेहतर प्रदर्शन करते हैं, वहीं LLMs मूल्यवान पूरक घटकों के रूप में कार्य करते हैं—विशेष रूप से फीचर एम्बेडिंग और हाइब्रिड स्टैकिंग के माध्यम से—न कि पारंपरिक मशीन लर्निंग बेसलाइन्स के प्रत्यक्ष प्रतिस्थापन के रूप में।
यह शोध पत्र ReRULE को पेश करता है, जो सुदृढीकरण शिक्षण (reinforcement learning) आधारित LLM अनलर्निंग के लिए एक ऑफ-पॉलिसी रिप्ले तंत्र है, जो बाउंड्री मामलों पर अभिसरण (convergence) में सुधार करने और अतिरिक्त प्रशिक्षण समय को कम करते हुए गुणवत्ता बनाए रखने के लिए कम-इनाम वाले कठिन मामलों के रोलआउट्स को संग्रहीत और पुन: उपयोग करता है।
यह शोध पत्र प्रदर्शित करता है कि ऑर्गेनिक डाई माइक्रोकैविटीज़ में रूम-टेम्परेचर एक्सिटोन-पोलरिटोन कंडन्सेट्स एक जनरेटिव एडवरसेरियल नेटवर्क के भीतर एक भौतिक स्टोकेस्टिक ट्रांसफॉर्मेशन लेयर के रूप में कार्य कर सकते हैं, जो सैंपलिंग की गुणवत्ता और प्रशिक्षण स्थिरता को बढ़ाने के लिए अंतर्निहित नॉनलीनियर डायनेमिक्स और स्थानिक सहसंबंधों (स्पेशियल कोरिलेशन) का लाभ उठाकर डिजिट-टू-इमेज ट्रांसलेशन कार्यों में डिजिटल और लेजर-आधारित बेसलाइनों से बेहतर प्रदर्शन करते हैं।
Dyna-Pruner एक एंड-टू-एंड फ्रेमवर्क है जो इनपुट-डिपेंडेंट महत्व के आधार पर अनावश्यक इनपुट क्षेत्रों और संबंधित मॉडल संरचनाओं को गतिशील रूप से सह-प्रून (co-prune) करता है, जिससे स्पैटियो-टेम्पोरल मीडिया प्रेडिक्शन कार्यों के लिए नगण्य सटीकता हानि के साथ एज डिवाइसेस पर 70% तक FLOPs की कमी और 2.5× इन्फरेंस स्पीडअप प्राप्त होता है।
ShipNet एक ज्यामितीय डीप लर्निंग सरोगेट मॉडल है जो हुल पॉइंट क्लाउड्स और गति का लाभ उठाकर लगभग 0.15 सेकंड में नियर-फील्ड प्रेशर वितरण और फार-फील्ड वेव पैटर्न की भविष्यवाणी करता है, जो तीव्र जहाज डिजाइन अन्वेषण के लिए उच्च सटीकता (R² ≥ 0.91) बनाए रखते हुए पारंपरिक पोटेंशियल-फ्लो सॉल्वर की तुलना में 550x की गति वृद्धि प्राप्त करता है।
DiRecT एक प्रशिक्षण-मुक्त (training-free) एल्गोरिदम है जो रिकेडिंग-होरिज़ोन डिनोइज़िंग (receding-horizon denoising) के माध्यम से केवल अंतिम स्वच्छ प्रक्षेपवक्र (final clean trajectory) पर बाधाओं को लागू करके डिफ्यूजन मॉडल्स में सुरक्षित नियोजन सुनिश्चित करता है, जिससे उन मध्यवर्ती चरणों के अत्यधिक बाधित होने से बचा जा सके जो मौजूदा दृष्टिकोणों में आमतौर पर नमूना गुणवत्ता (sample quality) को कम कर देते हैं।
यह शोध पत्र nnU-Net फ्रेमवर्क के भीतर एनिसोट्रोपिक (anisotropic) मेडिकल इमेज सेगमेंटेशन के लिए MNet आर्किटेक्चर की पुनरुत्पादकता (reproducibility) को मान्य करता है और दो हल्के विस्तारों—एक लर्नड फ्यूजन गेटिंग (learned Fusion Gating) मैकेनिज्म और एक VMamba स्टेट-स्पेस मॉड्यूल—को प्रस्तुत करता है, जो परिवर्तनशील वोक्सेल स्पेसिंग (voxel spacing) के बीच सेगमेंटेशन सटीकता और निरंतरता को और अधिक बढ़ाते हैं।