22437 पेपर
यह शोध पत्र एक स्वायत्त एजेंटिक फ्रेमवर्क प्रस्तावित करता है जो इन-कॉन्टेक्स्ट लर्निंग और वास्तविक PyTorch आउटपुट से प्राप्त एक निष्पादन ओरेकल (execution oracle) का लाभ उठाकर, पुनरावृत्ति स्व-डीबगिंग के माध्यम से 91% संख्यात्मक समानता प्राप्त करते हुए, डीप लर्निंग मॉडल्स को PyTorch से JAX में अत्यधिक विश्वसनीय, स्वचालित माइग्रेशन सक्षम बनाता है।
यह शोध पत्र तर्क देता है कि एंटिटी-अवेयर रिट्रीवल सिस्टम को वैचारिक एंटिटी प्रासंगिकता (विषयगत जुड़ाव) पर निर्भर रहने के बजाय अवलोकनीय एंटिटी प्रासंगिकता (विभेदक शक्ति) की ओर स्थानांतरित होना चाहिए, जो यह प्रदर्शित करता है कि उत्तरार्द्ध प्रासंगिक और गैर-प्रासंगिक दस्तावेजों के बीच बेहतर अंतर करके दस्तावेज़ पुन: रैंकिंग प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह शोध पत्र GRACE-DS को प्रस्तुत करता है, जो कि LLM-संचालित AutoML एजेंटों के लिए एक गार्ड की गई, रिवॉर्ड-गाइडेड मूल्यांकन प्रणाली है, जो प्रदर्शन, सुरक्षा और प्रोटोकॉल अनुपालन का कठोरता से आकलन करने के लिए छिपे हुए वैलिडेटर्स के साथ यथार्थवादी डेटा साइंस वर्कफ़्लो का अनुकरण करती है।
यह शोध पत्र एक त्वरित वन-क्लास सपोर्ट वेक्टर मशीन (OCSVM) रणनीति प्रस्तावित करता है जो पारंपरिक OCSVM के समान वर्गीकरण प्रदर्शन बनाए रखते हुए, प्रशिक्षण की गति को तेज करने के लिए डेटा-रिडक्शन तकनीक द्वारा संवर्धित, सिंगल-डेटा मॉडल के एक एनसेंबल को प्रशिक्षित करने हेतु डेटासेट को व्यक्तिगत नमूनों में विभाजित करता है।
यह शोधपत्र प्रदर्शित करता है कि मल्टीपल लीनियर रिग्रेशन में मल्टीकोलिनैरिटी (multicollinearity), वेट फ्लक्चुएशन (weight fluctuations) को बढ़ाकर और सह-संबंधित फीचर्स के बीच ऑसिलेटरी पैटर्न (oscillatory patterns) उत्पन्न करके भौतिक व्याख्यात्मकता (physical interpretability) को कमजोर करती है, एक ऐसी घटना जिसे रिज रेगुलराइजेशन (Ridge regularization) द्वारा कम किया जा सकता है लेकिन पूरी तरह से हल नहीं किया जा सकता।
यह शोध पत्र IBAD प्रस्तुत करता है, जो एक व्याख्यात्मक ढांचा है जो दैनिक गतिविधियों को लेटेंट डिरिचलेट एलोकेशन और एक पदानुक्रमित स्व-पर्यवेक्षित मॉडल का उपयोग करके हस्तांतरणीय वैश्विक टेम्पलेट्स में विघटित करके मानव गतिशीलता में व्यवहार संबंधी विसंगतियों का पता लगाता है, जो विविध भौगोलिक और जनसांख्यिकीय संदर्भों में मजबूत प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र एक सूचना-सैद्धांतिक प्रमाण प्रदान करता है कि एक साझा लेटेंट हार्ड फीचर (latent hard feature) वाले मल्टी-टास्क समस्याओं का संयुक्त सन्निकटन (joint approximation), पृथक सन्निकटन की तुलना में स्पष्ट रूप से कम विवरण बिट्स (description bits) की आवश्यकता रखता है, जो साझा रेडमेकर-हार (Rademacher-Haar) फीचर्स और कार्य-विशिष्ट सॉटूथ-वॉल्श (Sawtooth-Walsh) रीडआउट्स की एक कंपोजिशनल आर्किटेक्चर के माध्यम से ऑर्थोगोनैलिटी बाधाओं (orthogonality constraints) के तहत भी इष्टतम दरों में एक तीव्र अंतर को प्रदर्शित करके सिद्ध होता है।
यह शोध पत्र एक सुदृढ़ मशीन लर्निंग फ्रेमवर्क का प्रस्ताव करता है जो लक्षित सतह खुरदरापन (surface roughness) प्राप्त करने के लिए मिलिंग प्रक्रियाओं के व्युत्क्रम डिजाइन (inverse design) को सक्षम करने हेतु डीप न्यूरल नेटवर्क, रैंडम फॉरेस्ट और बायेसियन ऑप्टिमाइज़ेशन को संयोजित करता है, जो उच्च-सटीकता वाले सिंथेटिक डेटा के माध्यम से डेटा सीमाओं और 'मेनी-टू-वन' मैपिंग की चुनौती को प्रभावी ढंग से दूर करता है।
यह शोध पत्र टेम्पोरल क्लासिफिकेशन के लिए एक रिप्रेजेंटेशन-कैलिब्रेशन डिकंपोजिशन प्रस्तावित करता है जो विभिन्न डेटासेट्स और रेजीम्स में मिसिंग टेम्पोरल एविडेंस और अंडरयूज्ड डिसीजन-लेवल एविडेंस के बीच अंतर करके निर्णय लेने की प्रक्रिया को बेहतर बनाने के लिए एक फ्रोजन रेसिडुअल मल्टी-स्केल ब्रांच और एक पोस्ट-हॉक ब्रांच-अवेयर कैलिब्रेटर का उपयोग करते हुए एक नेटिव क्लासिफायर को फ्रीज करता है।
यह शोध पत्र एक नए डेटा चयन ढांचे (framework) को प्रस्तुत करता है जो डेटा बिंदुओं के एक भारित उपसमुच्चय (weighted subset) को कुशलतापूर्वक चुनने के लिए लो-रैंक सन्निकटन (low-rank approximation) और अवशेष-आधारित नमूनाकरण (residual-based sampling) का लाभ उठाता है, जो वैश्विक बीजगणितीय संरचना वाले डेटासेट के लिए पारंपरिक क्लस्टरिंग-आधारित विधियों की तुलना में सैद्धांतिक गारंटी और अनुभवजन्य सुधार प्रदान करता है।