22423 पेपर
यह शोध पत्र LaNCoR को प्रस्तुत करता है, जो एक नवीन दृष्टिकोण है जो भूकंपीय P-फेज आगमन समय (arrival-time) पिकिंग पर गलत लेबल के प्रभाव को प्रभावी ढंग से कम करने के लिए फीचर स्पेस में इनपुट वेवफॉर्म और लेबल वितरणों को संरेखित करता है, जिससे बड़े पैमाने के डेटासेट की आवश्यकता के बिना 28.8% तक प्रदर्शन सुधार प्राप्त होता है।
यह शोध पत्र ASSAY को प्रस्तुत करता है, जो एक ऐसा ढांचा (framework) है जो विशिष्ट कार्यों पर नकारात्मक कारण प्रभाव (negative causal effects) डालने वाले व्यक्तिगत कौशलों को अनुभवजन्य रूप से मापकर और उन्हें चुनिंदा रूप से दबाकर LLM एजेंट के प्रदर्शन में सुधार करता है, जिससे बिना वेट अपडेट के अत्याधुनिक परिणाम प्राप्त होते हैं।
यह शोध पत्र सीमित-डेटा बाधाओं के तहत संरचित परिकल्पना स्थानों (structured hypothesis spaces) में फॉल्स डिस्कवरी रेट (false discovery rate) को नियंत्रित करने के लिए एक रूपरेखा प्रस्तुत करता है, जो सटीक FDR गारंटी और सांख्यिकीय शक्ति (statistical power) के बीच संतुलन बनाने के लिए रिप्रोड्यूसिंग कर्नेल हिल्बर्ट स्पेस (reproducing kernel hilbert spaces) का लाभ उठाते हुए दो निर्णय नियम विकसित करता है, और साथ ही शून्य वितरण नमूनों (null distribution samples) को आवंटित करने के लिए एक कुशल नीति भी प्रस्तावित करता है।
यह शोधपत्र कॉन्स्टिट्यूशनल वैल्यू पोटेंशियल (CVP) प्रस्तुत करता है, जो एक ऐसी विधि है जो आंतरिक मूल्य प्राथमिकताओं को मापने और संवैधानिक बाधाओं के पालन की उच्च सटीकता के साथ भविष्यवाणी करने के लिए लैंग्वेज मॉडल एक्टिवेशन्स से स्केलर पोटेंशियल निकालती है, जिससे मूल्य संघर्षों का शीघ्र पता लगाना और मॉडल के व्यवहार को लक्षित रूप से निर्देशित करना संभव हो जाता है।
यह शोध पत्र श्वसन ध्वनिक फाउंडेशन मॉडल्स (respiratory acoustic foundation models) के लिए एक मल्टी-टारगेट कफ रिग्रेशन बेंचमार्क प्रस्तुत करता है, जो यह प्रदर्शित करता है कि जबकि MLP-आधारित रिग्रेशन हेड्स, लीनियर प्रोबिंग और मीन प्रेडिक्टर्स से बेहतर प्रदर्शन करते हैं, इष्टतम प्रदर्शन डेटासेट के आकार और मॉडल हेड क्षमता के बीच एक समझौते पर निर्भर करता है, जिसमें सामान्य-से-विशिष्ट अनुकूलन (general-to-specific adaptation) के पक्ष में महत्वपूर्ण विषम स्थानांतरण क्षमताएं (asymmetric transfer capabilities) निहित हैं।
यह शोध पत्र एक नवीन "रिवर्स टेलिस्कोपिंग" (reverse telescoping) समन्वय प्रणाली प्रस्तुत करता है जो सममित धनात्मक निश्चित (SPD) आव्यूहों को स्वतंत्र आयतन और आकार घटकों में विभाजित करता है, जिससे कुशल गणना, इकाई निश्चांक (unit determinant) के साथ सीधी रेखा प्रक्षेप (straight-line interpolation), और सिंथेटिक डेटा से लेकर मस्तिष्क कनेक्टिविटी नेटवर्क तक के अनुप्रयोगों के लिए स्प्लिट फ्लो आर्किटेक्चर के माध्यम से उन्नत जनरेटिव मॉडलिंग संभव हो पाती है।
यह शोध पत्र लीनियर सर्किट्स में इक्विलिब्रियम प्रोपेगेशन, कपल्ड लर्निंग और एक नई एडजॉइंट कपल्ड लर्निंग विधि के लिए पहला स्थानीय अभिसरण विश्लेषण स्थापित करता है, जो यह प्रदर्शित करता है कि एक विशिष्ट कोएर्सिविटी (coercivity) स्थिति के तहत, जो संभावित समरूपता-प्रेरित विसंगतियों (symmetry-induced degeneracies) के बावजूद सामान्य रूप से लागू होती है, प्रशिक्षण हानि तेजी से घटती है और पैरामीटर एक समाधान मैनिफोल्ड की ओर अभिसरित होते हैं।
यह शोध पत्र प्रदर्शित करता है कि निरंतर-समय, लघु-नजिंग (small-nudging) सीमा के भीतर युग्मित शिक्षण (coupled learning) और इक्विलिब्रियम प्रोपेगेशन (equilibrium propagation), प्रशिक्षित मापदंडों के भीतर एक द्रव्यमान-समान (mass-like) मात्रा को संरक्षित करते हैं, जो एक ऐसा गुण है जो रैखिक सर्किट में विश्वसनीय अभिसरण सुनिश्चित करता है और भौतिक शिक्षण प्रणालियों के लिए व्यावहारिक निहितार्थ प्रदान करता है।
PHINN एक फ्लो-मैचिंग जनरेटिव फ्रेमवर्क है जो निरंतर होमोलॉजी (persistent homology), विशेष रूप से डायनेमिक बेट्टी कर्व्स (dynamic Betti curves) और पर्सिस्टेंस लैंडस्केप लॉस (persistence landscape losses) का लाभ उठाता है, ताकि स्थिर टोपोलॉजिकल फिंगरप्रिंट्स को कैप्चर करके टाइम सीरीज़ में दुर्लभ घटनाओं को प्रभावी ढंग से मॉडल किया जा सके, जिससे यह विविध डोमेन में टोपोलॉजिकल फिडेलिटी (topological fidelity) और टेल कवरेज (tail coverage) के मामले में मौजूदा सांख्यिकीय और डिफ्यूजन बेसलाइन्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र 'वेरिफिएबल रिवॉर्ड्स के साथ रिइन्फोर्समेंट लर्निंग' (RLVR) में "डाइवर्सिटी कोलैप्स" को ओवरट्रेनिंग के एक रूप के रूप में पहचानता है जो मॉडल की रीजनिंग बाउंड्री को संकुचित कर देता है, और "बेयसियन बाउंड्री गेटिंग" का प्रस्ताव करता है ताकि अनुकूलन (ऑप्टिमाइजेशन) को अनसुलझे प्रश्नों की ओर पुनर्निर्देशित किया जा सके, जिससे विविध रीजनिंग बेंचमार्क पर हाई- Pass@ प्रदर्शन में सुधार होता है।