22512 पेपर
यह शोध पत्र DAM-VLA को प्रस्तुत करता है, जो एक डिकपल्ड एसिंक्रोनस विजन-लैंग्वेज-एक्शन मॉडल है जो सिंक्रोनस आर्किटेक्चर की फ्रीक्वेंसी सीमाओं को दूर करने के लिए मोडैलिटीज को उनकी नेटिव सेंसर दरों पर प्रोसेस करता है, और 100 Hz रिएक्टिव कंट्रोल बनाए रखते हुए कॉन्टैक्ट-रिच रियल-वर्ल्ड मैनिपुलेशन टास्क पर मजबूत बेसलाइन्स की तुलना में दोगुने से अधिक सफलता दर प्राप्त करता है।
यह शोध पत्र लो-रैंक ऑप्टिमल ट्रांसपोर्ट के लिए एक एकीकृत रीमानियन ज्यामितीय ढांचे का प्रस्ताव करता है जो फैक्टर्ड कपलिंग्स को फिशर-राओ मेट्रिक से सुसज्जित स्मूथ सबमैनिफोल्ड्स के रूप में मॉडल करता है, जिससे संतुलित, अनबैलेंस्ड और विभिन्न ऑप्टिमल ट्रांसपोर्ट वेरिएंट्स में रैखिक जटिलता और बेहतर अभिसरण के साथ कुशल, रेगुलाइजेशन-मुक्त प्रथम- और द्वितीय-क्रम सॉल्वर सक्षम होते हैं।
यह शोध पत्र यह प्रदर्शित करता है कि जबकि व्यक्तिगत स्पार्स ऑटोएन्कोडर (Sparse Autoencoder) फीचर्स अक्सर विभिन्न ट्रेनिंग सीड्स के बीच पुनरुत्पादकता (reproducibility) की कमी दर्शाते हैं, वे सामूहिक रूप से स्थिर, पुनरुत्पादक निम्न-आयामी उप-स्थानों (low-dimensional subspaces) का निर्माण करते हैं जहाँ स्थिर फीचर्स कार्यात्मक उपयोगिता को संचालित करते हैं और अस्थिर फीचर्स केवल आधार अस्पष्टता (basis ambiguity) को दर्शाते हैं न कि शोर (noise) को।
यह शोध पत्र एक कम-क्रम पूर्वानुमान ढांचे को प्रस्तुत करता है जो ईस्ट सी (East Sea) में समुद्र की सतह के तापमान के सटीक, कम-त्रुटि वाले और गणनात्मक रूप से कुशल वास्तविक समय के पूर्वानुमान प्राप्त करने के लिए सिंगुलर वैल्यू डिकंपोजिशन (SVD) को एक एडेप्टिव नेक्स्ट-जेनरेशन रिज़र्वोइर कंप्यूटिंग (Adaptive NVAR) मॉडल के साथ एकीकृत करता है।
यह शोध पत्र OpenMedReason को प्रस्तुत करता है, जो क्यूरेटेड वैज्ञानिक लेखों से व्युत्पन्न एक बड़े पैमाने का ओपन मल्टीमॉडल मेडिकल रीजनिंग कॉर्पस है, जो प्रशिक्षण के लिए उपयोग किए जाने पर, चिकित्सा विजन-लैंग्वेज मॉडलों की धारणा, ज्ञान और तर्क क्षमताओं को केवल उत्तर की सटीकता से परे काफी बढ़ाता है।
यह शोध पत्र प्रकट करता है कि मिक्सअप-आधारित नॉलेज डिस्टिलेशन (Mixup-based Knowledge Distillation), शिक्षक और प्रशिक्षण डेटा के बीच वितरण संबंधी बेमेल (distributional mismatch) उत्पन्न करने के बावजूद, छात्र मॉडल की सटीकता और अंशांकन (calibration) को महत्वपूर्ण रूप से बढ़ाता है, क्योंकि यह छात्र को विकिनल क्षेत्रों (vicinal regions) में स्वतंत्र रूप से बेहतर रैखिकता (linearity) सीखने में सक्षम बनाता है, जिससे इस तकनीक को एक समृद्ध हस्तांतरण चैनल के रूप में पुनर्गठित किया जाता है जो विभेदक प्रदर्शन (discriminative performance), अनिश्चितता अनुमान (uncertainty estimation) और प्रतिनिधि ज्यामिति (representational geometry) को आकार देता है।
यह शोधपत्र Behavioral INR को प्रस्तुत करता है, जो एक स्व-पर्यवेक्षित (self-supervised) जनरेटिव मॉडल है जो अनलेबल, विषम व्यवहार संबंधी डेटा से पॉलिसी पहचानों को सीखने के लिए इम्पलिसिट न्यूरल रिप्रेजेंटेशन्स को अनुकूलित करता है, जिससे नीतियों को लेटेंट वेरिएबल्स द्वारा मॉड्यूलेटेड स्टेट-एक्शन फंक्शन्स के रूप में दर्शाया जाता है, और इस प्रकार जटिल निरंतर सेटिंग्स में पॉलिसी की पहचान क्षमता (identifiability) में सुधार करता है और परिवर्तनशील एपिसोड लंबाई एवं आउट-ऑफ-डिस्ट्रीब्यूशन शिफ्ट्स को संभालता है।
यह शोध पत्र मास्क्ड डिफ्यूजन लैंग्वेज मॉडल्स में ट्रेनिंग-फ्री, पोस्ट-हॉक कॉन्फिडेंस-आधारित रीमास्किंग की प्रभावकारिता को चुनौती देता है, यह प्रदर्शित करते हुए कि इसके लाभ अत्यधिक सेटिंग-निर्भर हैं, जो अक्सर मानक अनमास्किंग की तुलना में बहुत कम सुधार प्रदान करते हैं और गैर-ग्रीडी डिकोडिंग परिदृश्यों में विविधता पतन (डायवर्सिटी कोलैप्स) को संभावित रूप से बढ़ा सकते हैं।
यह शोध पत्र एक मल्टी-रेट मिक्सचर-ऑफ-एक्सपर्ट्स फ्रेमवर्क प्रस्तावित करता है जो लिक्विड न्यूरल नेटवर्क्स पर आधारित है और जो जटिल, विषम मल्टीवेरिएट टाइम-सीरीज डेटा को प्रभावी ढंग से मॉडल करने के लिए विशिष्ट टाइम-स्केल एक्सपर्ट्स और एडेप्टिव अटेंशन मैकेनिज्म का उपयोग करता है, जिससे पारंपरिक बेसलाइन्स की तुलना में बेहतर प्रेडिक्टिव प्रदर्शन और कम्प्यूटेशनल दक्षता प्राप्त होती है।
यह शोध पत्र ERTS को प्रस्तुत करता है, जो एक व्याख्यात्मकता-आधारित (explainability-based) प्रशिक्षण संकेत है जो ECG वर्गीकरण के दौरान अविश्वसनीय नमूनों को फ़िल्टर करने के लिए Grad-CAM फोकस स्कोर का लाभ उठाता है, जिससे मॉडल की दक्षता और मैक्रो-F1 प्रदर्शन में सुधार होता है और साथ ही कम्प्यूटेशनल लागत भी कम होती है।