19863 पेपर
MolMiner एक नवीन फ्रैगमेंट-आधारित, 3D-सचेत ऑटोरेग्रेसिव मॉडल है जो बारह भौतिक-रासायनिक गुणों और फोर्स-फील्ड-रिलैक्स्ड ज्यामिति पर आधारित संरचनाओं को उत्पन्न करके नियंत्रित आणविक डिजाइन को सक्षम बनाता है, जो बिना किसी सहायक लॉस फंक्शन के लक्षित प्रॉपर्टी विंडोज़ के लिए हिट रेट में महत्वपूर्ण सुधार करता है।
यह शोध पत्र RAFP को प्रस्तुत करता है, जो एक गैर-आक्रामक ढांचा है जो फाइन-ट्यूनिंग और क्वांटाइजेशन जैसे विभिन्न डाउनस्ट्रीम अनुकूलनों में बने रहने वाले स्थिर दुर्लभ-क्षेत्र फिंगरप्रिंट्स का लाभ उठाकर LLM स्वामित्व की मजबूती से पहचान करता है, और ब्लैक-बॉक्स सेटिंग्स में मौजूदा तरीकों से बेहतर प्रदर्शन करता है।
यह शोधपत्र एक अनुपालन-भारित (compliance-weighted) फेडेरेटेड लर्निंग फ्रेमवर्क प्रस्तावित करता है जो संस्थागत अनुपालन स्कोर के अनुसार डिफरेंशियल प्राइवेसी शोर आवंटन (noise allocation) को अनुकूलित करता है, जिससे कम-अनुपालन वाले स्वास्थ्य सेवा संस्थानों को समग्र मॉडल प्रदर्शन को कम किए बिना या उपयोगिता दंड (utility penalties) का सामना किए बिना सहयोगात्मक एआई प्रशिक्षण में भाग लेने में सक्षम बनाया जा सके।
यह शोध पत्र वेरिएशनल मिक्सचर ऑफ ग्राफ न्यूरल एक्सपर्ट्स (VMoGE) फ्रेमवर्क का प्रस्ताव करता है, जो सटीक, आवृत्ति-विशिष्ट अल्जाइमर रोग की पहचान करने और रोग की गंभीरता एवं उपप्रकारों के लिए नैदानिक रूप से व्याख्या योग्य बायोमार्कर प्रदान करने के लिए मल्टी-बैंड ईईजी (EEG) विश्लेषण को वेरिएशनल ग्राफ न्यूरल नेटवर्क और एक मिक्सचर-ऑफ-एक्सपर्ट्स आर्किटेक्चर के साथ एकीकृत करता है।
यह शोध पत्र एक निरंतर-समय ढांचे (continuous-time framework) और इंटरैक्टिंग पार्टिकल लैंग्विन डायनेमिक्स पर आधारित एक व्यावहारिक विविक्त एल्गोरिदम (discretized algorithm) प्रस्तावित करता है, ताकि मैक्सिमम मार्जिनल लाइकलीहुड एस्टीमेशन समस्याओं को प्रमाणिक रूप से हल करके एनर्जी-बेस्ड प्रायर्स वाले लेटेंट वेरिएबल मॉडल्स को कुशलतापूर्वक सीखा जा सके।
यह शोध पत्र रेडियो एक्सेस नेटवर्क के लिए एक AI/ML पाइपलाइन प्रस्तुत करता है जो लेबल किए गए डेटा विश्लेषण और मोंटे कार्लो सत्यापन के माध्यम से मूल-कारण संकेतकों और उनके सटीक कारण अनुक्रम की पहचान करके सेवा-स्तर समझौते (SLA) के उल्लंघन को सक्रिय रूप से रोकता है।
यह शोध पत्र ब्रांचिंग न्यूरल नेटवर्क्स का परिचय देता है, जो एक नवीन आर्किटेक्चर है जो कॉनवेक्स रिलैक्सेशन (convex relaxation) का उपयोग करके कार्यों को पदानुक्रमित रूप से एक वृक्ष संरचना में विभाजित करके मल्टीटास्क एल्गोरिद्मिक तर्क को कुशलतापूर्वक सीखता है, जिससे विभिन्न बेंचमार्क पर प्रदर्शन में उल्लेखनीय सुधार होता है और कम्प्यूटेशनल लागत कम होती है।
यह शोध पत्र एक प्लग-एंड-प्ले कैलिब्रेटेबल डिसैम्बिगुएशन लॉस (CDL) का प्रस्ताव करता है जो मल्टी-इंस्टेंस पार्शियल-लेबल लर्निंग में वर्गीकरण सटीकता और मॉडल अंशांकन (कैलिब्रेशन) दोनों को एक साथ सुधारने के लिए एक मार्जिन-आधारित उद्देश्य को नियंत्रित करता है, जो मौजूदा MIPL दृष्टिकोणों में अंतर्निहित विश्वसनीयता संबंधी मुद्दों को संबोधित करता है।
यह शोधपत्र यांत्रिक साक्ष्य प्रदान करता है कि गैर-IID डेटा स्थितियों के तहत फेडरेटेड एवरेजिंग (FedAvg) के प्रदर्शन में गिरावट क्लाइंट द्वारा सीखी गई प्रस्तुतियों (representations) के नुकसान से नहीं, बल्कि इन संरक्षित आंतरिक संरचनाओं और अंतिम भविष्यवाणी पथ (prediction pathway) के बीच एक मिसअलाइनमेंट (misalignment) से उत्पन्न होती है।
यह शोध पत्र PLuRel को पेश करता है, जो विविध मल्टी-टेबल रिलेशनल डेटाबेसों को संश्लेषित करने के लिए एक हल्का ढांचा है, जो पहली बार यह प्रदर्शित करता है कि सिंथेटिक डेटा को स्केल करने से रिलेशनल फाउंडेशन मॉडल्स के लिए पूर्वानुमानित प्रदर्शन सुधार और मजबूत सामान्यीकरण (जनरलाइजेशन) प्राप्त होता है।