22512 पेपर
यह शोध पत्र MPC-Flow को पेश करता है, जो एक ट्रेनिंग-फ्री मॉडल प्रेडिक्टिव कंट्रोल फ्रेमवर्क है जो फ्लो-आधारित जनरेटिव मॉडल्स के साथ इनवर्स प्रॉब्लम्स को कुशलतापूर्वक हल करता है, जो ट्राजेक्टरी ऑप्टिमाइज़ेशन को प्रबंधनीय सब-प्रॉब्लम्स में विभाजित करके, FLUX.2 जैसे विशाल आर्किटेक्चर पर स्केलेबल गाइडेंस सक्षम बनाता है बिना पूरी जनरेशन प्रक्रिया के माध्यम से बैकप्रोपैगेशन की आवश्यकता के।
यह अध्ययन प्रदर्शित करता है कि CICMalDroid 2020 डेटासेट से प्राप्त एक व्यापक हाइब्रिड फीचर सेट पर प्रशिक्षित XGBoost, अन्य क्लासिफायर और डाइमेंशनैलिटी रिडक्शन तकनीकों की तुलना में एंड्रॉइड मैलवेयर डिटेक्शन के लिए बेहतर सटीकता और व्याख्यात्मकता प्राप्त करता है।
यह शोध पत्र ज़ीरो-फ्लो एनकोडर्स (Zero-Flow Encoders) का परिचय देता है, जो एक प्रवाह-प्रेरित ढांचा है जो सशर्त स्वतंत्रता को प्रमाणित करने और पर्याप्त जानकारी सीखने के लिए एक नवीन "ज़ीरो-फ्लो मानदंड" का लाभ उठाता है, जिससे ग्राफिकल मॉडल और स्व-पर्यवेक्षित शिक्षण दोनों के लिए मार्कोव ब्लैंकेट्स और लेटेंट रिप्रजेंटेशन्स का सुलभ, सिम्युलेशन-मुक्त निष्कर्षण संभव हो पाता है।
यह शोध पत्र प्रदर्शित करता है कि फुल-बैच ग्रेडिएंट डिसेंट (full-batch gradient descent), क्वाड्रेटिक एक्टिवेशन्स (quadratic activations) वाले सिंगल-इंडेक्स मॉडल्स के सांख्यिकीय रूप से कुशल शिक्षण के लिए नमूनों का उपयोग कर सकता है, जिससे यह वन-पास एसजीडी (one-pass SGD) से बेहतर प्रदर्शन करता है जिसे नमूना जटिलता (sample complexity) में एक अतिरिक्त कारक की आवश्यकता होती है।
यह शोध पत्र KL रेगुलराइजेशन के तहत रिवॉर्ड मॉडल ऑप्टिमाइज़ेशन को एक स्टैकेलबर्ग गेम के रूप में औपचारिक रूप देता है और एक सरल रिवॉर्ड शेपिंग योजना प्रस्तावित करता है जो बेस पॉलिसी बायस को प्रभावी ढंग से कम करते हुए रिवॉर्ड हैकिंग को रोकता है, जिससे इन्फरेंस-टाइम अलाइनमेंट प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र एक्सीलरेटेड नॉइज़ी पावर मेथड का एक बेहतर, वर्स्ट-केस ऑप्टिमल विश्लेषण प्रस्तुत करता है जो प्रतिबंधात्मक शोर स्थितियों को शिथिल करता है, जिससे गैर-एक्सीलरेटेड विधियों के तुलनीय संचार लागत के साथ पहला प्रमाणित एक्सीलरेटेड विकेंद्रीकृत पीसीए एल्गोरिदम सक्षम होता है।
यह शोध पत्र परफॉर्मेटिव प्रेडिक्शन्स (performative predictions) के लिए एक सांख्यिकीय शिक्षण ढांचा स्थापित करता है, जो यह सिद्ध करता है कि परिणामों को प्रभावित करने की एक मॉडल की क्षमता और उसकी सामान्यीकरण (generalize) करने की क्षमता के बीच एक मौलिक समझौता मौजूद है, जबकि यह भी प्रदर्शित करता है कि विकृत नमूनों पर पुन: प्रशिक्षण लेना विरोधाभासी रूप से सामान्यीकरण की गारंटी में सुधार कर सकता है।
यह शोध पत्र FIM-ODE को प्रस्तुत करता है, जो एक प्रीट्रेन किया गया फाउंडेशन मॉडल है जो शोर युक्त प्रक्षेप पथों (noisy trajectories) से एकल फॉरवर्ड पास में कुशलतापूर्वक ODE वेक्टर फील्ड्स का अनुमान लगाता है, जो मजबूत ज़ीरो-शॉट प्रदर्शन प्राप्त करता है और तीव्र, विशेषज्ञ-मुक्त फाइनट्यूनिंग को सक्षम बनाता है जो मौजूदा सिम्बोलिक, न्यूरल और गॉसियन प्रोसेस बेसलाइन्स से बेहतर है।
यह शोध पत्र एक एकीकृत ग्राफोप (graphop) विश्लेषण ढांचे को प्रस्तुत करता है जो संदेश पासिंग ग्राफ न्यूरल नेटवर्क के लिए इक्वीकंटिन्युटी (equicontinuity) स्थापित करने हेतु सभी आकारों के ग्राफों पर एक संक्षिप्त मीट्रिक को परिभाषित करता है, जिससे स्पार्स (sparse) और डेंस (dense) दोनों प्रकार के ग्राफों के लिए अधिक सुदृढ़ यूनिवर्सल एप्रोक्सिमेशन थ्योरम्स (universal approximation theorems) और जनरलाइजेशन बाउंड्स (generalization bounds) सक्षम होते हैं।
यह शोध पत्र एक सूचनात्मक निचली सीमा (information-theoretic lower bound) स्थापित करके आंशिक कवरेज के तहत सैंपल-कुशल ऑफलाइन आरएल (RL) के लिए -रियलाइज़ेबिलिटी और बेलमैन पूर्णता (Bell-man completeness) की पर्याप्तता का नकारात्मक उत्तर प्रदान करता है, और एक सामान्य निर्णय-अनुमान ढांचे (decision-estimation framework) को प्रस्तुत करता है जो जटिलता को निर्णय और मूल्य अनुमान घटकों में विभाजित करके मौजूदा परिणामों को एकीकृत और बेहतर बनाता है।