22512 पेपर
यह शोध पत्र Relabeler को प्रस्तुत करता है, जो एक एंड-टू-एंड डेटा-सेंट्रिक फ्रेमवर्क है जो शोर वाले लेबल (noisy labels) का पता लगाने और उन्हें सुधारने के लिए स्थानीय और वैश्विक डेटा संबंधों दोनों का लाभ उठाता है, जो लेबल सुधार की सटीकता और डाउनस्ट्रीम टास्क प्रदर्शन में अत्याधुनिक तरीकों (state-of-the-art methods) से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र RLCSD का प्रस्ताव करता है, जो एक नवीन सुदृढीकरण शिक्षण (reinforcement learning) विधि है जो सही और गलत संकेतों के बीच अंतर करके 'प्रिविलेज-इंड्यूस्ड स्टाइल ड्रिफ्ट' (privilege-induced style drift) को कम करती है ताकि सीखने के संकेतों को कार्य-भारित टोकन (task-bearing tokens) पर केंद्रित किया जा सके, जिससे मौजूदा दृष्टिकोणों की तुलना में गणितीय और तार्किक तर्क कार्यों में बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र विलंबित फीडबैक के साथ एक क्षमता-सीमित ऑनलाइन कॉनवेक्स ऑप्टिमाइज़ेशन फ्रेमवर्क प्रस्तुत करता है, जिसमें एक सेमी-क्लेरवॉयेंट मॉडल और "विलंबित और भारित" (delayed and weighted) OCO में एक शेड्यूलर-आधारित रिडक्शन प्रस्तावित किया गया है जो सीमित ट्रैकिंग संसाधनों के तहत उत्तल (convex) और दृढ़ उत्तल (strongly convex) दोनों नुकसानों के लिए प्रथम रिग्रेट गारंटी प्राप्त करता है।
यह शोध पत्र ICALens को प्रस्तुत करता है, जो एक व्यावहारिक और कुशल वर्कफ़्लो है जो स्पार्स ऑटोएनकोडर्स (sparse autoencoders) को प्रशिक्षित करने की आवश्यकता के बिना, सीधे भाषा मॉडल सक्रियणों (language model activations) से मानव-व्याख्या योग्य दिशाओं को निकालने के लिए अनुकूलित इंडिपेंडेंट कंपोनेंट एनालिसिस (ICA) का लाभ उठाता है, यह प्रदर्शित करते हुए कि ICA मॉडल व्याख्यात्मकता (model interpretability) के लिए एक प्रतिस्पर्धी और पूरक प्रथम लेंस के रूप में कार्य करता है।
यह शोध पत्र RCAP को प्रस्तुत करता है, जो एक सुदृढ़, क्लास-अवेयर, संभाव्य डायनेमिक डेटासेट प्रूनिंग एल्गोरिदम है जो प्रति क्लास उच्च-लॉस वाले नमूनों को अनुकूल रूप से चुनता है ताकि असंतुलित डेटासेट पर केवल 10% डेटा के साथ पूर्ण-डेटा प्रशिक्षण से भी बेहतर प्रदर्शन करते हुए, वर्स्ट-ग्रुप सटीकता और प्रशिक्षण दक्षता में महत्वपूर्ण सुधार किया जा सके।
यूरोपीय एआई एक्ट (European AI Act) में क्रेडिट स्कोरिंग सिस्टम के संबंध में नियामक अस्पष्टताओं से प्रेरित होकर, यह शोध पत्र पूरे डेटा प्रोसेसिंग वर्कफ़्लो में अनुमान लगाने की क्षमता को ग्रेड और विश्लेषित करने के लिए सांख्यिकीय शिक्षण सिद्धांत (statistical learning theory) पर आधारित एक रूपरेखा प्रस्तावित करता है, जो यह प्रदर्शित करता है कि नियामक वर्गीकरण केवल व्यक्तिगत मॉडलों के बजाय समग्र प्रणाली डिजाइन और मानवीय भागीदारी पर निर्भर करता है।
यह शोध पत्र एक अटेंशन-एन्हांस्ड मल्टीमॉडल मशीन लर्निंग फ्रेमवर्क प्रस्तावित करता है जो अल्जाइमर रोग की गंभीरता के सुदृढ़, व्याख्यात्मक और नैदानिक रूप से सुसंगत स्वचालित स्टेजिंग प्राप्त करने के लिए ऑर्डिनल रिग्रेशन का उपयोग करते हुए T1-वेटेड MRI को क्लिनिकल और जेनेटिक डेटा के साथ एकीकृत करता है।
यह शोध पत्र निरंतर डेटा सारांशीकरण (continuous data summarization) को कम करने के लिए DR-सबमॉड्यूलर अनुकूलन (DR-submodular optimization) पर आधारित एक मल्टी-टारगेट एडवरसैरियल अटैक फ्रेमवर्क और एक नियमित मैक्स-मिन रक्षा रणनीति का प्रस्ताव करके विश्वसनीय एआई (trustworthy AI) की भेद्यता को संबोधित करता है, जो दोनों ही वास्तविक डेटा पर सैद्धांतिक गारंटियों और अनुभवजन्य सत्यापन द्वारा समर्थित हैं।
यह शोध पत्र ART (आर्ट-बेस्ड रीइन्फोर्समेंट ट्रेनिंग) का प्रस्ताव देता है, जो एक पैरामीटर-कुशल फाइन-ट्यूनिंग विधि है जो फ्रोजन मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स में सूचना इंजेक्ट करने के लिए रॉ विजुअल इनपुट्स को ऑप्टिमाइज़ करती है, जिससे उनके कंप्यूटेशनल ग्राफ को संशोधित किए बिना vLLM जैसे हाई-थ्रूपुट इंजनों के साथ अनुकूलता सक्षम होती है और साथ ही LoRA के समान सटीकता प्राप्त होती है।