22512 पेपर
यह शोध पत्र क्वांटम सर्किट रूटिंग के लिए एक कैलिब्रेशन-अवेयर ग्राफ सुदृढीकरण शिक्षण (ग्राफ रिइन्फोर्समेंट लर्निंग) दृष्टिकोण प्रस्तुत करता है, जो वास्तविक समय के हार्डवेयर कैलिब्रेशन डेटा और प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन का लाभ उठाकर, छोटे-से-मध्यम सर्किटों पर मानक SABRE-आधारित विधियों की तुलना में काफी उच्च सिम्युलेटेड फिडेलिटी प्राप्त करता है, भले ही इसमें टू-क्विबिट गेट काउंट अधिक हो।
यह शोध पत्र OCOO-T को प्रस्तुत करता है, जो एक न्यूनतम और स्केलेबल फ्लो-मैचिंग मॉडल है जो विविध व्यवधानों (perturbations) के प्रति एकल-कोशिका ट्रांसक्रिप्शनल प्रतिक्रियाओं की भविष्यवाणी करने के लिए एक वैनिला ट्रांसफॉर्मर आर्किटेक्चर का लाभ उठाता है, इस कार्य को एक निरंतर-समय डिनोइजिंग प्रक्रिया के रूप में तैयार करके, जो जटिल सहायक एनकोडर्स या जीन-इंटरैक्शन प्रायर्स (priors) पर निर्भर किए बिना अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र Drop-by-Drop को पेश करता है, जो एक अभिनव पोस्ट-ट्रेनिंग क्वांटाइजेशन फ्रेमवर्क है जो एडिटिव कोडबुक्स और मैट्रोस्का-शैली के पर्यवेक्षण (Matryoshka-style supervision) का लाभ उठाता है ताकि एक एकल LLM चेकपॉइंट न्यूनतम स्टोरेज ओवरहेड के साथ विभिन्न मॉडल आर्किटेक्चरों में प्रतिस्पर्धी सटीकता बनाए रखते हुए अनुकूल, मल्टी-बिटविड्थ इन्फरेंस (multi-bitwidth inference) का समर्थन कर सके।
यह शोध पत्र एक अनुभवजन्य अध्ययन प्रस्तुत करता है जो यह प्रदर्शित करता है कि डायरेक्ट प्रेफरेंस ऑप्टिमाइज़ेशन (DPO), कुछ देखी गई प्रशिक्षण अस्थिरता के बावजूद, प्रतिस्पर्धी प्रदर्शन प्राप्त करते हुए बड़े भाषा मॉडलों के फाइन-ट्यूनिंग पाइपलाइन को सरल बनाता है और कम्प्यूटेशनल दक्षता में सुधार करता है।
यह शोध पत्र LoRA-Muon को प्रस्तुत करता है, जो एक मेमोरी-कुशल ऑप्टिमाइज़र है जो लो-रैंक मैनिफोल्ड (low-rank manifold) के लिए Muon के स्पेक्ट्रल स्टीपेस्ट-डिसेन्ट नियम को अनुकूलित करता है, जो लर्निंग रेट्स की बेहतर ट्रांसफ़रेबिलिटी और ऐसा प्रदर्शन प्रदर्शित करता है जो अक्सर QR डिकंपोज़िशन या सेकंड-मोमेंट स्टोरेज की आवश्यकता के बिना डेंस बेसलाइन्स से भी बेहतर होता है।
यह शोधपत्र तर्क देता है कि व्यवस्था-प्रेरक हस्तक्षेप (order-inducing interventions) नियंत्रण के समान नहीं हैं, बल्कि इसके बजाय यह प्रस्ताव देता है कि वास्तविक नियंत्रण के लिए एक रिसीवर-गेटेड रिस्पॉन्स लॉ (receiver-gated response law) की आवश्यकता होती है जहाँ स्थानीय, अवस्था-निर्भर ऑपरेटर यह निर्धारित करते हैं कि ड्राइव के परिणामस्वरूप स्वीकृत गति (admitted movement), प्रतिबाधा (impedance), या ओवरड्राइव (overdrive) होगा, एक ऐसा ढांचा जिसे जैविक प्रणालियों और लार्ज लैंग्वेज मॉडल्स में अनुभवजन्य साक्ष्यों के माध्यम से मान्य किया गया है।
यह शोध पत्र यह प्रदर्शित करता है कि यद्यपि इनवेरिएंट लर्निंग (invariant learning) सांख्यिकीय रूप से पहचान योग्य (identifiable) है, फिर भी यह एक सशर्त कम्प्यूटेशनल बाधा का सामना करता है जहाँ कुशल एल्गोरिदम तब तक इनवेरिएंट सबस्पेस को पुनः प्राप्त करने में विफल रहते हैं जब तक कि पर्याप्त वातावरण विविधता मौजूद न हो, जो नमूना जटिलता (sample complexity) और अनुमान त्रुटि (estimation error) में एक चरण संक्रमण (phase transition) द्वारा परिमाणित की गई एक घटना है।
OpenMedQ एक अत्याधुनिक मेडिकल विजन-लैंग्वेज मॉडल है जिसे 3.35 मिलियन नमूनों के एक व्यापक, पूर्णतः-ओपन डेटासेट पर प्रीट्रेन किया गया है, जो प्रमुख बेंचमार्क पर Med-PaLM M जैसे काफी बड़े मॉडलों से बेहतर प्रदर्शन करता है और डाउनस्ट्रीम मेडिकल क्लासिफिकेशन कार्यों में भी श्रेष्ठ प्रदर्शन प्राप्त करता है।
यह अध्ययन प्रदर्शित करता है कि स्वाभाविक द्वैत (dyadic) बातचीत में टर्न-टेकिंग पैटर्न और भागीदारी संतुलन जैसे भाषण और अंतःक्रिया संबंधी गतिशीलता का विश्लेषण करना, समय के दबाव और मानसिक प्रयास जैसे विभिन्न आयामों में संज्ञानात्मक भार (cognitive load) की प्रभावी भविष्यवाणी करने में सक्षम बनाता है।
यह शोध पत्र टेक्स्ट-टू-इमेज डिफ्यूजन मॉडल्स के लिए एक सुदृढ़, कुशल और एंटी-कोल्यूजन फिंगरप्रिंटिंग विधि प्रस्तावित करता है जो एक व्यक्तिगत सामान्यीकरण मॉड्यूल (पर्सनलाइज्ड नॉर्मलाइजेशन मॉड्यूल) में उपयोगकर्ता-विशिष्ट पहचानकर्ताओं को एम्बेड करता है, जिससे अनधिकृत पुनर्वितरण को रोकने के लिए कोल्यूडेड मॉडल्स की गुणवत्ता को कम करते हुए विश्वसनीय निष्कर्षण सक्षम होता है।