22512 पेपर
यह शोध पत्र प्रीट्रेनिंग संदूषण (pretraining contamination) के लिए सार्वजनिक चिकित्सा विजन-लैंग्वेज बेंचमार्क का ऑडिट करता है और मापने योग्य इमेज-सोर्स ओवरलैप और टेक्स्ट-एक्सचेंजेबिलिटी सिग्नल पाता है, जबकि यह प्रदर्शित करता है कि मिंक++ (Min-K%++) जैसे कोहॉर्ट-रिलेटिव डिटेक्टर गैर-चिकित्सा मॉडलों से होने वाले फॉल्स पॉजिटिव के कारण छोटे चिकित्सा कोहॉर्ट्स के लिए अविश्वसनीय हैं।
यह शोध पत्र ग्रीडी इम्पॉर्टेंस फर्स्ट (GIF) का प्रस्ताव करता है, जो एक महत्व-जागरूक शेड्यूलिंग रणनीति है जो हाइपरपैरामीटर महत्व का अनुमान लगाने और परीक्षणों को आनुपातिक रूप से आवंटित करने के लिए छोटे-नमूनों वाले वॉर्म स्टार्ट का लाभ उठाती है, जो उच्च-आयामी हाइपरपैरामीटर अनुकूलन में अत्याधुनिक तरीकों की तुलना में बेहतर नमूना दक्षता और तेज़ अभिसरण प्रदर्शित करता है।
यह शोध पत्र टेम्पोरल शीफ न्यूरल नेटवर्क्स (TSNN) प्रस्तुत करता है, जो एक कारण संबंधी टेम्पोरल लिंक प्रेडिक्शन फ्रेमवर्क है जो विकसित होते इंटरैक्शन सिमेंटिक्स को मॉडल करने के लिए गतिशील, नोड-विशिष्ट ऑर्थोगोनल फ्रेम्स और स्पष्ट ट्रांसपोर्ट का उपयोग करता है, जो एक नवीन शीफ-आधारित डिफ्यूजन प्रक्रिया के माध्यम से ज्यामितीय निरंतरता और मोनोटोन डिसेंट सुनिश्चित करते हुए हेटेरोजेनियस ग्राफ्स पर अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र VFUSE को प्रस्तुत करता है, जो एक मैकेनिस्टिक इंटरप्रिटेबिलिटी फ्रेमवर्क है जो RoseTTAFold3 और RFDiffusion3 जैसे प्रोटीन डिज़ाइन मॉडलों में खतरनाक फीचर्स की पहचान करने और उनका ऑडिट करने के लिए डिफ्यूजन-ट्रांसफॉर्मर एक्टिवेशन्स पर स्पार्स ऑटोएनकोडर्स का उपयोग करता है, जिससे मॉडल के प्रदर्शन को बनाए रखते हुए घातक डिज़ाइनों का उच्च-सटीकता के साथ पता लगाया जा सकता है।
यह शोध पत्र ओवर-पैरामीटराइज्ड रिजीम में ग्रेडिएंट डिसेंट के लिए अभिसरण गारंटी (convergence guarantees) को सिद्ध करके, कंडीशनल वेलोसिटी फील्ड्स के लिए जनरलाइजेशन बाउंड्स व्युत्पन्न करके, और उत्पन्न नमूनों के लिए वॉसरस्टीन-डिस्टेंस (Wasserstein-distance) गारंटी प्रदान करके, न्यूरल नेटवर्क के साथ फ्लो मैचिंग के लिए एक सैद्धांतिक आधार स्थापित करता है, जिसे व्यापक प्रयोगों के माध्यम से मान्य किया गया है।
यह शोधपत्र कॉम्बिनेटोरियल जोखिम (combinatorial risk) का अध्ययन करने के लिए एक निवेश-आवंटन कार्य प्रस्तुत करता है, जो यह प्रकट करता है कि लोग आमतौर पर सटीक वितरण मूल्यांकन के बजाय प्रायिकता वृद्धियों (probability increments) जैसी मुख्य विशेषताओं पर भरोसा करते हैं, लेकिन जब पूर्ण प्रायिकता द्रव्यमान फलन (probability mass function) को स्पष्ट रूप से प्रदर्शित किया जाता है तो लॉटरी मूल्यांकन की ओर स्थानांतरित हो जाते हैं, एक ऐसा पैटर्न जिसे फीचर-आधारित ह्यूरिस्टिक्स और प्रॉस्पेक्ट थ्योरी को संयोजित करने वाले एक हाइब्रिड मॉडल द्वारा सबसे अच्छी तरह समझाया जा सकता है।
यह शोधपत्र एआई-टेक्स्ट डिटेक्शन के लिए एक अनसुपरवाइज्ड विधि प्रस्तावित करता है जो मशीन-जनित पैराफ्रेज़ से मानव पाठ को पुनर्गठित करने के लिए एक स्टाइल एनकोडर को प्रशिक्षित करके भेदभावपूर्ण शैली प्रतिनिधित्व सीखता है, जिससे बिना लेखकत्व लेबल की आवश्यकता के, फ्यू-शॉट और ज़ीरो-शॉट सेटिंग्स में मजबूत प्रदर्शन प्राप्त होता है।
FedSteer एक नवीन फेडेरेटेड लर्निंग पद्धति है जो सक्रिय क्लाइंट ग्रेडिएंट्स को एक कैश किए गए सबस्पेस पर प्रोजेक्ट करके ऐसे निर्देशांक उत्पन्न करती है जो पुराने अपडेट्स को वर्तमान वैश्विक उद्देश्य की ओर निर्देशित करते हैं, जिससे विषम क्लाइंट भागीदारी के कारण होने वाली अत्यधिक ग्रेडिएंट स्टेलेनेस (staleness) को कम किया जा सके, जिससे प्रशिक्षण अस्थिरता को रोका जा सके और सटीकता में महत्वपूर्ण सुधार हो सके।
यह शोध पत्र टेक्स्ट-टू-एसक्यूएल (text-to-SQL) प्रणालियों में फ्यू-शॉट उदाहरण चयन के लिए एक सुदृढ़ स्तरीकृत ग्रीडी एल्गोरिदम (robust stratified greedy algorithm) प्रस्तावित करता है जो सैद्धांतिक गारंटियों और अनुभवजन्य सत्यापन के साथ एक हेटरोसेडास्टिक म्यूचुअल इंफॉर्मेशन ऑब्जेक्टिव (heteroscedastic mutual information objective) को अधिकतम करके हेटरोसेडास्टिसिटी (heteroscedasticity), विविधता बाधाओं (diversity constraints) और कर्नेल मिसस्पेसिफिकेशन (kernel misspecification) का समाधान करता है।
यह शोध पत्र यह प्रदर्शित करता है कि कैसे विशिष्ट एल्गोरिदम सुधारों के साथ संवर्धित और एक पारदर्शी प्रतीकात्मक नीति (symbolic policy) में संकुचित गहन सुदृढीकरण शिक्षण (deep reinforcement learning), विकासवादी एल्गोरिदम (evolutionary algorithms) में बहु-पैरामीटर नियंत्रण की चुनौतियों को सफलतापूर्वक पार कर सकता है ताकि उत्कृष्ट प्रदर्शन और कठोर व्याख्यात्मकता दोनों प्राप्त की जा सके।