22512 पेपर
यह शोध पत्र DeepRHP को प्रस्तुत करता है, जो एक अर्ध-पर्यवेक्षित हाइब्रिड वेरिएशनल ऑटोएन्कोडर है जो रासायनिक विशेषता बाधाओं को अनुक्रम पैटर्न के साथ एकीकृत करता है ताकि प्रोटीन कार्यों की नकल करने में सक्षम रैंडम हेटरोपोलिमर्स को कुशलतापूर्वक डिजाइन किया जा सके, जैसे कि गैर-मूल वातावरण में मेम्ब्रेन प्रोटीनों को स्थिर करना।
यह शोध पत्र इनपुट एट्रिब्यूशन-अवेयर पॉलिसी ऑप्टिमाइज़ेशन (IAPO) का प्रस्ताव करता है, जो एक सुदृढीकरण शिक्षण (reinforcement learning) एल्गोरिदम है जो मल्टीमॉडल स्मॉल लैंग्वेज मॉडल्स में टूल-कॉलिंग क्षमताओं को बढ़ाने के लिए उनके इनपुट एट्रिब्यूशन को एक अधिक शक्तिशाली शिक्षक के साथ संरेखित करता है, जिससे स्पार्स बाइनरी रिवॉर्ड्स की सीमाओं को दूर किया जा सके और विजुअल क्वेश्चन अनसरिंग कार्यों पर प्रदर्शन में सुधार किया जा सके।
यह शोध पत्र निरंतर गतिकी (continuum dynamics) के लिए "वॉलरस" (Walrus) फाउंडेशन मॉडल की व्याख्यात्मकता की जांच करने हेतु इसके आंतरिक तंत्र का विश्लेषण करने के लिए स्पार्स ऑटोएनकोडर्स (sparse autoencoders) को लागू करता है, जिससे यह प्रकट होता है कि यद्यपि कुछ विशेषताएं एनस्ट्रॉफी (enstrophy) जैसे भौतिक सिद्धांतों के साथ खंडीय निरंतरता (piecewise consistency) प्रदर्शित करती हैं, तथापि मॉडल के आंतरिक निरूपण अस्पष्ट बने रहते हैं और मानक भौतिक विखंडन (physical decompositions) पर स्पष्ट रूप से मानचित्रित होने में विफल रहते हैं, जिसके परिणामस्वरूप शियर फ्लो (shear flow) सिमुलेशन में व्यवस्थित आउटपुट विसंगतियां उत्पन्न होती हैं।
बर्गसन (Bergson) EleutherAI द्वारा विकसित एक ओपन-सोर्स लाइब्रेरी है जो ऑन-डिस्क ग्रेडिएंट स्टोरेज और मल्टी-नोड डिस्ट्रिब्यूटेड ट्रेनिंग को नेटिव रूप से सपोर्ट करते हुए, MAGIC, SOURCE और TrackStar विधियों के पहले ओपन-सोर्स कार्यान्वयन प्रदान करके, डेटा एट्रिब्यूशन तकनीकों को लार्ज लैंग्वेज मॉडल्स और प्री-ट्रेनिंग डेटासेट्स तक स्केल करती है।
यह शोध पत्र क्वांटम हायर-ऑर्डर अटेंशन (QHA) प्रस्तुत करता है, जो एक उथला (shallow) क्वांटम अटेंशन तंत्र है जो मानक सेल्फ-अटेंशन की तुलना में प्रमाणित अभिव्यंजनात्मक लाभ और स्थानीय इंस्टेंशियेशन के लिए प्रशिक्षण योग्यता गारंटी के साथ उच्च-क्रम टोकन इंटरैक्शन को कुशलतापूर्वक संश्लेषित करता है, जो जेनेटिक, क्रिप्टोग्राफिक और ग्राफ डोमेन में उच्च-क्रम सहसंबंधों की आवश्यकता वाले कार्यों में बेहतर सामान्यीकरण और पहचान क्षमताओं का प्रदर्शन करता है।
यह शोधपत्र SpAArSIST को प्रस्तुत करता है, जो AASIST बैकएंड का एक परिनियोजन-उन्मुख (deployment-oriented) परिष्करण है, जो स्पीच एंटी-स्पूफिंग के लिए कम्प्यूटेशनल लागत और मॉडल आकार को महत्वपूर्ण रूप से कम करने के साथ-साथ आउट-ऑफ-डोमेन सुदृढ़ता (robustness) में सुधार करने के लिए सीखे गए पूलिंग (learned pooling) को हल्के, स्पष्ट तंत्रों से प्रतिस्थापित करता है।
यह शोध पत्र एक हाइब्रिड डीप-लर्निंग फ्रेमवर्क प्रस्तुत करता है जो जेएक्स (JAX) में एक प्रोबेबिलिस्टिक सेलुलर ऑटोमेटा मॉडल को डायनामिक रूप से पैरामीटराइज करने के लिए मल्टी-स्केल कन्वोल्यूशनल न्यूरल नेटवर्क का उपयोग करता है, जो भौतिक व्याख्यात्मकता बनाए रखते हुए जटिल पर्यावरणीय अंतःक्रियाओं को पकड़कर अमेरिका की बड़ी स्तर की आग के प्रसार की भविष्यवाणी की सटीकता में महत्वपूर्ण सुधार करता है।
यह शोध पत्र ड्रोनशील्ड-एआई (DroneShield-AI) को प्रस्तुत करता है, जो एक ओपन-सोर्स, लागत प्रभावी मल्टी-मोडल फ्रेमवर्क है जो रीयल-टाइम ड्रोन खतरे का पता लगाने, व्यवहार संबंधी इरादे के वर्गीकरण और झुंड बुद्धिमत्ता (स्वार्म इंटेलिजेंस) विश्लेषण को 96.1% सटीकता और कम विलंबता के साथ कमोडिटी हार्डवेयर पर प्राप्त करने के लिए आरएफ (RF), ध्वनिक और विजुअल सेंसरों को उन्नत एआई मॉड्यूल के साथ संलयित करता है।
यह शोध पत्र एक स्पेक्ट्रली रेगुलराइज्ड लेटेंट फ्लो मैचिंग फ्रेमवर्क प्रस्तुत करता है जो ज़ोन-वेटेड लॉग-स्पेक्ट्रल ऑब्जेक्टिव के माध्यम से लेटेंट स्पेस को पुनर्गठित करके सिंथेटिक टर्बुलेंस जनरेशन में डिसिपेशन-रेंज एम्प्लीट्यूड के व्यवस्थित अंडर-रिप्रजेंटेशन की समस्या को दूर करता है, जिससे मानक MSE-प्रशिक्षित मॉडलों की तुलना में लगभग पूर्ण स्पेक्ट्रल पावर रिटेंशन और काफी बेहतर कॉस्ट-फिडेलिटी ट्रेड-ऑफ प्राप्त होता है।
यह शोध पत्र CANOLA को प्रस्तुत करता है, जो एक नवीन फ्रेमवर्क है जो शोर वितरण (noise distributions) का स्पष्ट रूप से अनुमान लगाकर और सतर्क सॉफ्ट-लेबल ब्लेंडिंग के माध्यम से दूषित लेबल को पुनरावृत्ति से परिष्कृत करके मॉडल की मजबूती और सामान्यीकरण को बढ़ाता है, जिससे कई डेटासेट्स पर अत्याधुनिक विधियों की तुलना में महत्वपूर्ण प्रदर्शन सुधार प्राप्त होता है।