22494 पेपर
यह शोध पत्र SPaiK को प्रस्तुत करता है, जो युग्म (pairwise) सेटिंग्स के लिए एक स्केलेबल कर्नेल लर्निंग विधि है जो स्टोकेस्टिक जनरलाइज्ड वेक ट्रिक (sGVT) का लाभ उठाती है ताकि कंप्यूटेशनल और मेमोरी लागत को महत्वपूर्ण रूप से कम किया जा सके, जिससे बड़े पैमाने के ड्रग-टारगेट एफिनिटी डेटासेट पर कुशल प्रशिक्षण सक्षम हो सके।
यह शोध पत्र Dynestyx को प्रस्तुत करता है, जो एक संभाव्य प्रोग्रामिंग लाइब्रेरी (probabilistic programming library) है जो स्टेट-स्पेस मॉडल्स के लिए प्रथम श्रेणी का समर्थन प्रदान करती है, जिससे उपयोगकर्ता आसानी से प्रायर्स (priors) निर्दिष्ट कर सकते हैं, मिश्रित-प्रभाव डेटा (mixed-effect data) पर अनुमान लगा सकते हैं, और डिस्क्रीट एवं निरंतर डायनेमिकल सिस्टम्स दोनों के लिए सिद्धांतपूर्ण अनिश्चितता परिमाणीकरण (principled uncertainty quantification) प्राप्त कर सकते हैं।
यह शोध पत्र पर्सिस्टेंट लैप्लासियन्स (persistent Laplacians) के लिए एक संक्षिप्त स्पेक्ट्रल प्रतिनिधित्व प्रस्तावित करता है जो उनके जटिल आइजनस्पेक्ट्रम (eigenspectrum) को तीन गणितीय रूप से आधारित इनवेरियंट्स—बेटी संख्या (Betti numbers), स्पेक्ट्रल गैप (spectral gap), और एनालिटिक टोरशन (analytic torsion)—में संकुचित करता है, यह प्रदर्शित करते हुए कि यह कम किया गया फीचर सेट प्रभावी रूप से प्रेडिक्टिव सिग्नल्स को कैप्चर करता है, कम्प्यूटेशनल ओवरहेड को कम करता है, और बेंचमार्क डेटासेट्स पर फुल-स्पेक्ट्रम दृष्टिकोणों से बेहतर प्रदर्शन करता है।
यह शोध पत्र PACT को प्रस्तुत करता है, जो एक हाइब्रिड आर्किटेक्चर है जो सुरक्षित एक्शन प्लान बनाने और उन्हें मान्य करने के लिए एक एसिंक्रोनस (asynchronous) रूप से एकीकृत विचारशील (deliberative) स्मॉल लैंग्वेज मॉडल द्वारा रिएक्टिव रिइन्फोर्समेंट लर्निंग पॉलिसियों को बढ़ाता है, जिससे बिना पॉलिसी रिट्रेनिंग की आवश्यकता के चुनौतीपूर्ण वातावरण में बेसलाइन विधियों से बेहतर प्रदर्शन होता है।
ActiveSAM एक प्रशिक्षण-मुक्त (training-free), ज़ीरो-शॉट फ्रेमवर्क है जो SAM 3 के साथ पूर्ण-रिज़ॉल्यूशन डिकोडिंग के लिए वर्गों के एक सक्रिय उपसमुच्चय (active subset) की पहचान करने के लिए कम-रिज़ॉल्यूशन प्रीव्यू का उपयोग करके ओपन-वोकैबुलरी सिमेंटिक सेगमेंटेशन की गति और सटीकता को बढ़ाता है, जिससे यह दक्षता और मजबूती दोनों में मौजूदा विधियों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र NEXIS को प्रस्तुत करता है, जो एक नवीन विधि है जो विषम उपचार प्रभाव (HTE) की पहचान को मल्टी-मोडल प्री-ट्रीटमेंट रिप्रजेंटेशन्स पर मार्कोव-ब्लैंकेट डिस्कवरी समस्या के रूप में पुनर्गठित करती है ताकि कारणपरक, व्याख्यात्मक और निर्देशात्मक नीति अनुकूलन सक्षम किया जा सके, जैसा कि अफ्रीका में उपग्रह इमेजरी का उपयोग करके गरीबी विरोधी कार्यक्रमों पर इसके सफल अनुप्रयोग द्वारा प्रदर्शित किया गया है।
यह शोध पत्र मल्टीप्लिकेटिव एर्गोडिक थ्योरी और लयापुनोव एक्सपोनेंट्स के फर्स्टनबर्ग-किफर लक्षण वर्णन का उपयोग करता है ताकि यह कठोरता से विश्लेषण किया जा सके कि रेसिडुअल कनेक्शन डीप न्यूरल नेटवर्क्स में एक्सप्लोडिंग और वैनिशिंग ग्रेडिएंट की घटनाओं को कैसे प्रभावित करते हैं।
ExpRL एक स्वचालित मिड-ट्रेनिंग फ्रेमवर्क पेश करता है जो जटिल तर्क कार्यों के लिए मॉडलों को अधिक प्रभावी ढंग से प्राइम करने के लिए स्पार्स रिवॉर्ड्स और मैनुअल स्किल स्पेसिफिकेशन की सीमाओं को दूर करने हेतु मानव-लिखित समाधानों को हिडन रिवॉर्ड स्कैफोल्ड्स के रूप में उपयोग करके एलएलएम (LLMs) के लिए डेंस, प्रोसेस-लेवल फीडबैक उत्पन्न करता है।
यह शोध पत्र HAMON को प्रस्तुत करता है, जो एक निष्क्रिय विवर्तनिक ऑप्टिकल पूर्वानुमान कोर (passive diffractive optical forecasting core) है जो डिजिटल अनुक्रम मिश्रण (digital sequence mixing) के बिना लंबी अवधि के टाइम-सीरीज़ पूर्वानुमान करने के लिए फ्री-स्पेस डिफ्रैक्शन और ट्रेन करने योग्य फेज़ मास्क का लाभ उठाता है, जो कई बेंचमार्क पर मजबूत डिजिटल बेसलाइन के मुकाबले प्रतिस्पर्धी या बेहतर प्रदर्शन प्राप्त करता है और ऑप्टिकल हार्डवेयर कार्यान्वयन के लिए एक ठोस लक्ष्य को परिभाषित करता है।
KVEraser एक सीखा हुआ (learned) तरीका है जो लॉन्ग-कॉन्टेक्स्ट LLMs में कुशल स्थानीयकृत संदर्भ मिटाने (localized context erasing) को सक्षम बनाता है, जो हटाए गए स्पैन के केवल KV स्टेट्स को सीखे हुए स्टीयरिंग स्टेट्स से बदलकर प्राप्त किया जाता है, जिससे पारंपरिक रीप्रोसेसिंग की तुलना में काफी कम लेटेंसी के साथ लगभग पूर्ण रीकंप्यूटेशन प्रदर्शन प्राप्त होता है।