22423 पेपर
यह शोध पत्र Lesion-DDPM का प्रस्ताव करता है, जो एक लीजन-एन्हांस्ड (lesion-enhanced) 3D कंडीशनल डिफ्यूजन फ्रेमवर्क है जो उच्च लीजन फिडेलिटी (lesion fidelity) के साथ MS MRI स्कैन को प्रभावी ढंग से सिंथेसाइज करता है, और मौजूदा जनरेटिव मॉडल्स की तुलना में पुनर्निर्माण सटीकता (reconstruction accuracy) और डाउनस्ट्रीम लीजन सेगमेंटेशन प्रदर्शन दोनों में महत्वपूर्ण सुधार करता है।
यह शोध पत्र एक बेयसियन स्टीयरेबल-सीएनएन (Bayesian Steerable-CNN) ढांचे को प्रस्तुत करता है जो सटीक SE(3)-इक्विवैरिएंस (SE(3)-equivariance) को संरक्षित करते हुए वेरिएशनल इन्फरेंस (variational inference) के माध्यम से एक साथ अनिश्चितता परिमाणीकरण (uncertainty quantification) को सक्षम बनाता है, जिससे वितरण संबंधी बदलावों (distributional shifts) के प्रति बेहतर सुदृढ़ता और अनिश्चितता-निर्देशित भविष्यवाणियों के माध्यम से उन्नत प्रदर्शन प्राप्त होता है।
यह शोध पत्र इस धारणा को चुनौती देता है कि उच्च-निष्ठा (high-fidelity) वाले मॉडल स्टीलिंग हमले आर्थिक रूप से समान सरोगेट्स उत्पन्न करते हैं, यह प्रदर्शित करते हुए कि निकट-इष्टतम निष्कर्षित मॉडलों का रशोमोन सेट (Rashomon Set) लक्ष्य के समान सटीकता प्राप्त करने के बावजूद निष्पक्षता और मजबूती जैसे महत्वपूर्ण परिनियोजन गुणों में महत्वपूर्ण विविधता प्रदर्शित करता है।
यह शोध पत्र प्रदर्शित करता है कि बड़े भाषा मॉडल प्रशिक्षण के दौरान अर्थपूर्ण रूप से समान टोकन विभाजन (token segmentations) के प्रति आंशिक रूप से एक उभरती हुई समरूपता (emergent symmetry) विकसित करते हैं, जो यह प्रकट करता है कि "री-टोकनाइज़ेशन" (retokenization)—कैनोनिकल टोकनाइज़ेशन को वैकल्पिक वैध विभाजनों से बदलना—रचनात्मक समझ (compositional understanding) के लिए एक स्वच्छ प्रोब (clean probe) के रूप में कार्य करता है और एक नवीन इन्फरेंस-टाइम सैंपलिंग रणनीति है जो उन समाधानों को पुनः प्राप्त करने में सक्षम है जिन्हें पारंपरिक विधियों द्वारा छोड़ दिया गया था।
यह शोध पत्र ग्रीडी कोऑर्डिनेट डिफ्यूजन (GCD) को प्रस्तुत करता है, जो एक नवीन ग्रे-बॉक्स एडवरसेरियल अटैक फ्रेमवर्क है जो उच्च सफलता दर, कम परप्लेक्सिटी और मजबूत सिमेंटिक सुसंगतता के साथ सुरक्षा-संरेखित मॉडल बायपास उत्पन्न करने के लिए डिस्क्रीट डिफ्यूजन लैंग्वेज मॉडल्स का लाभ उठाता है, जो प्रभावी रूप से मौजूदा ऑप्टिमाइज़ेशन-आधारित विधियों की सीमाओं को दूर करता है।
यह शोध पत्र EIBench प्रस्तुत करता है, जो LLMs में इंटरैक्टिव इमोशन मैनेजमेंट के मूल्यांकन के लिए 2,222 परिदृश्यों वाला एक सिम्युलेटर-आधारित बेंचमार्क है, और सेंटर्ड टर्न-क्रेडिट GRPO (CTC-GRPO) का प्रस्ताव करता है, जो एक सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) विधि है जो इन-डिस्ट्रीब्यूशन और आउट-ऑफ-डिस्ट्रीब्यूशन इमोशन मैनेजमेंट कार्यों दोनों पर मॉडल के प्रदर्शन को महत्वपूर्ण रूप से सुधारने के लिए प्रति-टर्न स्टेट अपडेट का लाभ उठाती है।
यह शोध पत्र ओवरपैरामीटराइज्ड न्यूरल नेटवर्क में 'एज ऑफ स्टेबिलिटी' पर ग्रेडिएंट डिसेंट के लिए एक बाइफरकेशन थ्योरी फ्रेमवर्क स्थापित करता है, जो यह प्रदर्शित करता है कि स्थिर प्रशिक्षण सामान्य दिशा (normal direction) में एक फ्लिप बाइफरकेशन और कम शार्पनेस की ओर टेंजेंट ड्रिफ्ट (tangent drift) से उत्पन्न होता है, जिससे मिनिमाइजिंग मैनिफोल्ड (minimizing manifold) की ओर अभिसरण सिद्ध होता है और पूर्ववर्ती स्थिरता स्थितियों का एकीकरण होता है।
यह शोध पत्र Drift-RAE प्रस्तुत करता है, जो ड्रिफ्टिंग मॉडल्स (Drifting Models) और सैद्धांतिक क्षेत्र संरेखण (theoretical field alignments) का लाभ उठाकर रिप्रेजेंटेशन ऑटोएनकोडर (Representation Autoencoder) लेटेंट स्पेस में प्रीट्रेंड फ्लो मॉडल्स के डिस्टिलेशन को स्थिर करता है, जिससे बिना किसी सहायक फीचर एक्सट्रैक्टर्स के ImageNet 256 पर अत्याधुनिक प्रदर्शन प्राप्त होता है।