19863 पेपर
यह अध्ययन 2,300 GitHub रिपॉजिटरीज़ में एजेंट-जनरेटेड 25,000 से अधिक पुल रिक्वेस्ट्स का विश्लेषण करता है ताकि यह प्रकट किया जा सके कि जहाँ एजेंटिक कोडिंग टूल्स का गहन उपयोग परियोजनाओं के एक छोटे उपसमुच्चय (subset) में केंद्रित बना हुआ है, वहीं सफल एकीकरण काफी हद तक एकल-मानव निरीक्षण मॉडलों पर निर्भर करता है और परियोजना के आकार एवं उत्पादकता के आधार पर महत्वपूर्ण रूप से भिन्न होता है।
यह अध्ययन प्रदर्शित करता है कि फ्रोजन इवो 2 (Evo 2) मॉडल एक्टिवेशन्स पर प्रशिक्षित लाइटवेट लीनियर और अटेंशन प्रोब्स, मेटाजीनोमिक डेटा में उच्च सटीकता के साथ एंटीमाइक्रोबियल रेजिस्टेंस और बैक्टीरियल विरुलेंसनेस का प्रभावी ढंग से पता लगा सकते हैं, जो एक अनअसेम्बल्ड शॉर्ट रीड्स पर भी कार्य करने वाले बायोसिक्योरिटी के लिए एक तेज़, सस्ते फर्स्ट-पास स्क्रीनिंग टूल के रूप में विकल्प प्रदान करते हैं।
यह शोध पत्र MetaPerch को प्रस्तुत करता है, जो एक बायोअकौस्टिक फाउंडेशन मॉडल है जो विविध ध्वनिक डोमेन और प्रजातियों के वितरण में बेहतर सामान्यीकरण करने के लिए समृद्ध, अधिक सुदृढ़ प्रजाति निरूपण सीखने हेतु रिकॉर्डिंग मेटाडेटा (जैसे स्थान और समय) को सहायक पर्यवेक्षण संकेतों के रूप में उपयोग करता है।
यह शोध पत्र MOJO को पेश करता है, जो स्पाइक-टोकेनाइजिंग न्यूरल मॉडल्स के लिए सेल्फ-सुपरवाइज्ड मास्क ऑटोएनकोइंग को सुपरवाइज्ड लर्निंग के साथ संयोजित करने वाला एक प्रशिक्षण ढांचा है, जो यह प्रदर्शित करता है कि अनलेबल डेटा का लाभ उठाना डिकोडिंग प्रदर्शन, प्रजातियों और मोडैलिटीज के बीच सामान्यीकरण क्षमता, और व्याख्यात्मकता को महत्वपूर्ण रूप से सुधारता है, विशेष रूप से सीमित लेबल वाले डेटा वाले परिदृश्यों में।
यह शोध पत्र प्रोफेटिकस (Propheticus) को प्रस्तुत करता है, जो एक मशीन लर्निंग फ्रेमवर्क है जिसे जटिलता को कम करके और वर्कफ़्लो को सुव्यवस्थित करके विश्वसनीय और सुरक्षित सॉफ़्टवेयर के लिए भविष्य कहनेवाला मॉडल (predictive models) विकसित करने की प्रक्रिया को सरल बनाने के लिए डिज़ाइन किया गया है, जैसा कि भेद्यता (vulnerability) और ऑनलाइन विफलता भविष्यवाणी के केस स्टडीज के माध्यम से प्रदर्शित किया गया है।
यह शोधपत्र MutFormer को प्रस्तुत करता है, जो एक ट्रांसफॉर्मर-आधारित मॉडल है जो मानव प्रोटीन में हानिकारक मिसेंस म्यूटेशन (missense mutations) की भविष्यवाणी करने के लिए सेल्फ-अटेंशन और कनवल्शनल परतों को संयोजित करता है, और अल्प-दूरी (short-range) एवं दीर्घ-दूरी (long-range) की अनुक्रम निर्भरताओं (sequence dependencies) को प्रभावी ढंग से कैप्चर करके मौजूदा उपकरणों के समान या बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र स्पेक्ट्रल डिफ्यूजन प्रोसेसेज (Spectral Diffusion Processes) का परिचय देता है, जो एक ऐसा ढांचा है जो डेटा को एक कर्नेल के माध्यम से स्पेक्ट्रल डोमेन में निरूपित करके मानक परिमित-आयामी डिफ्यूजन मॉडल्स को स्टोकेस्टिक प्रक्रियाओं पर लागू करता है, जिससे वैध प्रक्रिया निरंतरता सुनिश्चित होती है और बहुविध वितरणों (multimodal distributions) तथा सशर्त नमूनाकरण (conditional sampling) की प्रभावी मॉडलिंग सक्षम होती है।
यह शोध पत्र यह प्रदर्शित करता है कि अभाज्य अवशेषों (prime residues) द्वारा पूर्णांकों को वर्गीकृत करने की स्पष्ट सरलता के बावजूद, उपयुक्त फीचर इंजीनियरिंग के बिना डीप लर्निंग मॉडल, ऑटोएमएल (AutoML) प्लेटफॉर्म और लार्ज लैंग्वेज मॉडल्स विफल हो जाते हैं, जबकि फूरियर सीरीज़ बेस वेक्टर्स (Fourier series basis vectors) पर लीनियर रिग्रेशन का उपयोग करने वाली एक विधि सफल होती है, जो आधुनिक मशीन लर्निंग में फीचर इंजीनियरिंग के निरंतर महत्वपूर्ण महत्व को रेखांकित करती है।
यह अध्ययन प्रकट करता है कि जहाँ द्विदिश (bidirectional) BERT मॉडल उस "रिवर्सल कर्से" (Reversal Curse) से मुक्त हैं जो सममित तार्किक अनुमान (symmetric logical deduction) में ऑटो-रिग्रेसिव GPT मॉडलों को बाधित करता है, वहीं दोनों आर्किटेक्चर जटिल मल्टी-सेट निगमनात्मक तर्क (complex multi-set deductive reasoning) के साथ संघर्ष करते हैं, जो यह सुझाव देता है कि मॉडल का चयन बायोमेडिकल नॉलेज ग्राफ निर्माण जैसे कार्यों की विशिष्ट तार्किक मांगों के अनुरूप तैयार किया जाना चाहिए।
यह शोध पत्र यह प्रदर्शित करके लोकल SGD की व्यावहारिक सफलता और सैद्धांतिक सीमाओं के बीच के सैद्धांतिक अंतराल को हल करता है कि मौजूदा प्रथम-क्रम विषमता (first-order heterogeneity) धारणाएं इसके प्रभुत्व को समझाने के लिए अपर्याप्त हैं, जबकि यह भी दिखाता है कि उच्च-क्रम सुगमता (higher-order smoothness) धारणाएं कम-विषमता वाले परिवेश में मिनी-बैच SGD पर इसके सैद्धांतिक लाभ को पुनः स्थापित कर सकती हैं।