22512 पेपर
यह शोध पत्र लैप्लास-फोरियर न्यूरल ऑपरेटर (LFNO) प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो गतिशील प्रणालियों को क्षणिक और स्थिर घटकों में विभाजित करता है ताकि विभिन्न टेम्पोरल स्केल्स पर PDEs पर प्रतिस्पर्धी प्रदर्शन बनाए रखते हुए ODEs पर मौजूदा ऑपरेटर्स से काफी बेहतर प्रदर्शन किया जा सके।
यह शोधपत्र "कंट्रीब्यूशन वेट्स" (Contribution Weights) को प्रस्तुत करता है, जो एक प्रोजेक्शन-आधारित मीट्रिक है जो वैल्यू वेक्टर ज्योमेट्री (value vector geometry) को शामिल करके पारंपरिक अटेंशन वेट्स में सुधार करता है ताकि अर्थपूर्ण रूप से महत्वपूर्ण टोकन की अधिक सटीक पहचान की जा सके और यह प्रकट करता है कि अटेंशन सिंक्स (attention sinks) मॉडल रिप्रेजेंटेशन को स्थिर करने के लिए सक्रिय रूप से सूचना को दबाते हैं।
यह शोध पत्र SRT को प्रस्तुत करता है, जो एक नवीन फ्रेमवर्क है जो लो-रिज़ॉल्यूशन इनपुट से हाई-रिज़ॉल्यूशन टाइम सीरीज़ को पुनर्गठित करने के लिए डिसेंटैंगल्ड रेक्टिफाइड फ्लो और क्रॉस-रिज़ॉल्यूशन अटेंशन का लाभ उठाता है, जो संकेतों को ट्रेंड और सीज़नल घटकों में विभाजित करता है, जिसमें एक स्केल्ड-अप SRT-लार्ज वेरिएंट कई डेटासेट्स पर मजबूत ज़ीरो-शॉट क्षमता प्रदर्शित करता है।
यह शोध पत्र तर्क देता है कि जीनोमिक मॉडल व्याख्यात्मकता अनुसंधान को नैदानिक परीक्षणों के समान एक कठोर, व्यवस्थित मूल्यांकन ढांचे की ओर संक्रमण करना चाहिए, क्योंकि वर्तमान पद्धतियां अक्सर विरोधाभासी, अविश्वसनीय और जैविक रूप से अमान्य स्पष्टीकरण उत्पन्न करती हैं।
यह शोध पत्र स्विस जर्मन ASR के लिए विस्पर (Whisper) को फाइन-ट्यून करने का एक व्यवस्थित अध्ययन प्रस्तुत करता है जो पूर्ववर्ती अत्याधुनिक परिणामों में गंभीर बेंचमार्क संदूषण (benchmark contamination) को उजागर करता है, मानक जर्मन उपशीर्षक वाले ब्रॉडकास्ट डेटा का उपयोग करके 25.6% WER (13.8% cWER) का एक कठोरता से मूल्यांकित ईमानदार आधारभूत स्तर (baseline) स्थापित करता है, और प्रतिलिपि प्रस्तुत करने योग्य मॉडल जारी करता है ताकि यह प्रदर्शित किया जा सके कि वर्तमान बेंचमार्क मुख्य रूप रूप से वास्तविक बोली संबंधी समझ के बजाय कन्वेंशन मिलान को मापते हैं।
यह शोध पत्र LEAF का प्रस्ताव करता है, जो एक रेट्रोस्पेक्टिव ट्री-आधारित सुदृढीकरण शिक्षण (रीइन्फोर्समेंट लर्निंग) विधि है जो रोलआउट बैचों में साझा प्रीफिक्स को स्पैन-स्तरीय लाभ (स्पैन-लेवल एडवांटेज) प्रदान करके स्पीच-अवेयर लार्ज लैंग्वेज मॉडल पोस्ट-ट्रेनिंग में सुधार करता है, जिससे यह मौजूदा GRPO-शैली के दृष्टिकोणों और यहाँ तक कि छोटे मॉडलों वाले फुल-पैरामीटर बेसलाइनों को भी पीछे छोड़ देता है।
यह स्थिति पत्र तर्क देता है कि मानवशास्त्रीय मिसअलाइनमेंट (Anthropomorphic Misalignment) अनुसंधान को महत्वपूर्ण सुरक्षा निर्णयों का समर्थन करने के लिए अधिक अनुभवजन्य साक्ष्य और पद्धतिगत कठोरता की आवश्यकता है, जो वैचारिक अस्पष्टता और अपर्याप्त कारण हस्तक्षेप जैसी समस्याओं को संबोधित करने के लिए साक्ष्य स्तरों और एक नैदानिक चेकलिस्ट का एक ढांचा प्रस्तावित करता है।
यह शोध पत्र एक संरचित न्यूरॉन प्रूनिंग फ्रेमवर्क प्रस्तावित करता है जो अनावश्यक न्यूरॉन्स की पहचान करने और उन्हें हटाने के लिए मल्टी-आर्म्ड बैंडिट एल्गोरिदम का उपयोग करता है, जो व्यापक बेंचमार्क के माध्यम से यह प्रदर्शित करता है कि UCB1 और थॉमसन सैंपलिंग जैसी नीतियां अनप्रून की गई नेटवर्कों और अन्य प्रूनिंग विधियों की तुलना में प्रदर्शन को बनाए रखते हुए या उसमें सुधार करते हुए मॉडल के आकार को प्रभावी ढंग से कम करती हैं।
यह शोध पत्र ScaleSweep का प्रस्ताव करता है, जो LLMs के लिए एक कुशल पोस्ट-ट्रेनिंग क्वांटाइजेशन विधि है जो सैद्धांतिक रूप से व्युत्पन्न उम्मीदवारों के न्यूनतम रेंज को स्वीप करके NVFP4 ब्लॉक स्केल्स को अनुकूलित करता है, जिससे मौजूदा इनिशियलाइजेशन तकनीकों की तुलना में फुल प्रिसिजन के प्रदर्शन अंतराल को काफी कम कर दिया जाता है।
यह शोधपत्र एक मॉडल-सैद्धांतिक ढांचे का प्रस्ताव करता है जो संदर्भ-सशर्त निश्चितता (context-conditioned determinacy) की स्थितियों और भाषा मॉडलों में थ्रेशोल्ड उद्भव (threshold emergence) की प्रकृति को गणितीय रूप से अभिलक्षणित करने के लिए बेंचमार्क लेबल के स्थान पर परिमित अर्थ संबंधी प्रमाणों (finite semantic certificates) को प्रतिस्थापित करता है, जिससे स्कोरिंग आर्टिफैक्ट्स से वास्तविक अर्थ संबंधी संक्रमणों को अलग करने के लिए परिभाषित घटनाओं पर एक बूलियन संभाव्यता माप (Boolean probability measure) स्थापित किया जा सके।