22512 पेपर
यह शोध पत्र एक विकेंद्रीकृत ऑनलाइन रीमानियन अनुकूलन (Riemannian optimization) ढांचे का प्रस्ताव करता है जो एक वक्रता-जागरूक (curvature-aware) आम सहमति चरण को पेश करके हैडामार्ड मैनिफोल्ड्स (Hadamard manifolds) की सीमाओं को दूर करता है, जिससे संभवतः धनात्मक वक्रता वाले मैनिफोल्ड्स पर पूर्ण-सूचना और टू-पॉइंट बैंडिट फीडबैक सेटिंग्स के लिए रिग्रेट बाउंड प्राप्त होता है।
यह शोध पत्र I-Segmenter को प्रस्तुत करता है, जो सिमेंटिक सेगमेंटेशन के लिए पहला पूर्णतः इंटीजर-ओनली (integer-only) विजन ट्रांसफॉर्मर फ्रेमवर्क है, जो -ShiftGELU और इंटीजर-ओनली डिकोडर ऑपरेशन्स जैसी नवीन तकनीकों का उपयोग करता है ताकि अत्यधिक वन-शॉट पोस्ट-ट्रेनिंग क्वांटाइजेशन के तहत भी प्रतिस्पर्धी सटीकता बनाए रखते हुए मॉडल के आकार और इन्फरेंस लेटेंसी में महत्वपूर्ण कमी लाई जा सके।
यह शोध पत्र पोलर कोऑर्डिनेट पोजीशनल एम्बेडिंग्स (PoPE) को प्रस्तुत करता है, जो एक नवीन पोजीशनल एनकोडिंग योजना है जो RoPE में उलझी हुई कंटेंट और पोजीशन की जानकारी को अलग करती है, जिससे RoPE और YaRN जैसी मौजूदा विधियों की तुलना में डायग्नोस्टिक कार्यों, मल्टीपल डोमेन में ऑटोरेग्रेसिव मॉडलिंग और ज़ीरो-शॉट लेंथ एक्सट्रपलेशन में बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र यह प्रदर्शित करता है कि न्यूरल नेटवर्क में क्रिप्टोग्राफिक बैकडोर्स एक दोहरे उद्देश्य वाले उपकरण के रूप में कार्य कर सकते हैं, जो शक्तिशाली, अप्राप्य प्रतिकूल हमलों (adversarial attacks) को सक्षम करने के साथ-साथ वॉटरमार्किंग, प्रमाणीकरण और बौद्धिक संपदा ट्रैकिंग के लिए प्रमाणित रूप से सुदृढ़ तंत्र प्रदान करते हैं, जिसका अत्याधुनिक आर्किटेक्चर पर अनुभवजन्य सत्यापन और पोस्ट-क्वांटम क्रिप्टोग्राफी तक संभावित विस्तार किया गया है।
VFEM एक क्रॉस-मोडल फोरकास्टिंग मॉडल है जो जटिल क्रॉस-वेरिएबल डिपेंडेंसीज को कैप्चर करने के लिए प्री-ट्रेंड लार्ज विजन मॉडल्स का लाभ उठाने हेतु मल्टीवेरिएट टाइम सीरीज़ को विजुअल रिप्रेजेंटेशन में बदल देता है, जो विजुअल और टेम्पोरल फीचर्स को फ्यूज करने वाले एक ड्यूल-ब्रांच आर्किटेक्चर के माध्यम से उच्च पैरामीटर दक्षता के साथ प्रतिस्पर्धी प्रदर्शन प्राप्त करता है।
यह शोध पत्र Q-FLAIR को प्रस्तुत करता है, जो एक हाइब्रिड क्वांटम-क्लासिकल एल्गोरिदम है जो अनुकूलन (optimization) को क्लासिकल कंप्यूटिंग पर स्थानांतरित करके क्वांटम फीचर-मैप निर्माण में संसाधन ओवरहेड को काफी कम कर देता है, जिससे उच्च-आयामी डेटासेट के लिए वास्तविक क्वांटम हार्डवेयर पर उच्च-सटीक प्रशिक्षण सक्षम होता है और क्लासिकल मॉडलिंग के विरुद्ध मजबूती प्रदर्शित होती है।
यह शोध पत्र डायनेमिक गाइडेंस (Dynamic Guidance) प्रस्तुत करता है, जो एक नवीन जनरेशन-टाइम दृष्टिकोण है जो वैध सिमेंटिक विविधताओं को संरक्षित करते हुए आर्टिफैक्ट-प्रोन (artifact-prone) दिशाओं में स्कोर फंक्शन को चुनि적으로 शार्प करके डिफ्यूजन मॉडल के मतिभ्रम (hallucinations) को कम करता है, जिससे यह नियंत्रित और प्राकृतिक दोनों इमेज डेटासेट्स पर मौजूदा बेसलाइन्स से बेहतर प्रदर्शन करता है।
यह शोध पत्र एक नवीन लार्ज लैंग्वेज मॉडल-आधारित ओवरसैंपलिंग पद्धति प्रस्तावित करता है जो एक कंडीशनल जनरेशन स्ट्रैटेजी, एक नए परम्यूटेशन-आधारित फाइन-ट्यूनिंग दृष्टिकोण और इंटरपोलेशन के माध्यम से सिंथेटिक माइनॉरिटी सैंपल्स की विविधता और यथार्थता को बढ़ाता है, जिससे यह इम्बैलेंस्ड क्लासिफिकेशन कार्यों में मौजूदा स्टेट-ऑफ-द-आर्ट तकनीकों से काफी बेहतर प्रदर्शन करता है।
यह शोधपत्र एक एकीकृत सांख्यिकीय ढांचे को स्थापित करता है जो वोरोनोई-प्रकार के लॉस फंक्शन्स (Voronoi-type loss functions) के माध्यम से सॉफ्टमैक्स-गेटेड गॉसियन मिक्सचर ऑफ एक्सपर्ट्स की प्रमुख पहचान क्षमता (identifiability) और अभिसरण (convergence) चुनौतियों का समाधान करता है और एक सुसंगत, स्वीप-मुक्त डेंड्रोग्राम-आधारित मॉडल चयन पद्धति पेश करता है जो सिंथेटिक और वास्तविक दुनिया के अनुप्रयोगों दोनों में पारंपरिक मानदंडों से बेहतर प्रदर्शन करती है।
यह शोध पत्र SmartMixed को पेश करता है, जो एक दो-चरणीय प्रशिक्षण रणनीति है जो न्यूरल नेटवर्क को एक डिफरेंशिएबल चयन चरण के दौरान उम्मीदवारों के पूल से इष्टतम प्रति-न्यूरॉन सक्रियण फलनों (activation functions) को सीखने में सक्षम बनाती है और फिर कुशल अनुमान (inference) के लिए इन विकल्पों को स्थिर कर देती है, यह प्रदर्शित करते हुए कि ऐसा अनुकूलनशील विविधीकरण समान, स्थिर सक्रियण फलनों का उपयोग करने वाले मॉडलों की तुलना में बेहतर प्रदर्शन करता है।