22512 पेपर
यह शोध पत्र एक बेयसियन हाइपरग्राफ इन्फरेंस फ्रेमवर्क प्रस्तुत करता है जो लेटेंट (अव्यक्त), जोखिम-कारक-मॉड्यूलेटेड रोग पथों की पहचान करके इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड में बहु-रोग जोखिम को मॉडल करता है, जो व्याख्या योग्य उच्च-क्रम संरचनाएं, कैलिब्रेटेड अनिश्चितता और स्केलेबल वेरिएशनल इन्फरेंस के माध्यम से दुर्लभ रोगों के लिए बेहतर अनुमान प्रदान करता है।
DOG-DPO एक प्रशिक्षण-मुक्त डेटा चयन ढांचा है जो प्राथमिकता युग्मों (preference pairs) को ज्यामितीय संकेतों के रूप में मानता है ताकि मल्टी-डेटासेट संरेखण दिशाओं को वैश्विक और अवशिष्ट उप-स्थानों (global and residual subspaces) में विघटित किया जा सके, जिससे बड़े भाषा मॉडल केवल 11% प्राथमिकता डेटा के साथ बेहतर उपयोगिता-मजबूती संतुलन बनाए रखते हुए मजबूत सुरक्षा संरेखण प्राप्त करने में सक्षम होते हैं।
यह शोध पत्र सिमेंटिक कैश डिस्टिलेशन (SCD) का प्रस्ताव करता है, जो एक ऐसा फ्रेमवर्क है जो कच्चे KV कैश के बजाय कॉम्पैक्ट सिमेंटिक कोड प्रसारित करके विसेग्रिगेटेड (disaggregated) LLM सर्विंग को त्वरित करता है, जिससे लो-रैंक रिकंस्ट्रक्शन और चयनात्मक त्रुटि सुधार के माध्यम से जनरेशन की गुणवत्ता बनाए रखते हुए टाइम-टू-फर्स्ट-टोकन को महत्वपूर्ण रूप से कम किया जाता है।
यह शोध पत्र IoT वातावरण में 'मशीन लर्निंग एज़ अ सर्विस' के लिए एक नवीन टेस्ट-टाइम एडेप्टिव (TTA) कंपोजिशन फ्रेमवर्क प्रस्तावित करता है जो एक TTA-अवेयर कंपोजेबिलिटी मॉडल और एक सर्विस-लेवल अडैप्टेशन रणनीति का उपयोग करता है ताकि इन्फरेंस के दौरान सेवाओं को कुशलतापूर्वक समायोजित किया जा सके, जिससे कंप्यूटेशनल समय को कम किया जा सके और पारंपरिक सर्विस रिप्लेसमेंट विधियों की सीमाओं को दूर किया जा सके।
यह शोध पत्र एक नॉलेज-इंक्लूसिव अडैप्टिव फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क (PINN) फ्रेमवर्क प्रस्तावित करता है जो साहित्य और नेटवर्क संरचनाओं से सहायक ज्ञान को प्रयोगात्मक डेटा के साथ एकीकृत करके सूक्ष्मजीव अंतःक्रिया मॉडलिंग को बढ़ाता है, जिससे सूक्ष्मजीव समुदाय की गतिशीलता की भविष्यवाणी करने में अत्याधुनिक विधियों की तुलना में महत्वपूर्ण सटीकता सुधार प्राप्त होता है।
यह शोध पत्र HARP को प्रस्तुत करता है, जो एक पदानुक्रमित सक्रिय क्षेत्र छंटनी (hierarchical active region pruning) विधि है जो डेटासेट को नोड-लीफ पदानुक्रम में व्यवस्थित करके और उपयोगिताओं (utilities) का अनुमान लगाने के लिए एम्पिरिकल बेयस पोस्टीरियर्स (empirical Bayes posteriors) का उपयोग करके बड़े भाषा मॉडलों के लिए फाइनट्यूनिंग डेटा को कुशलतापूर्वक चुनता है, जिससे मौजूदा प्रशिक्षण-आधारित चयनकर्ताओं की तुलना में काफी कम प्रशिक्षण उदाहरणों और कम कम्प्यूटेशनल लागत के साथ बेहतर डाउनस्ट्रीम प्रदर्शन प्राप्त होता है।
यह शोध पत्र एक मॉडल-अज्ञेय (model-agnostic), सीखने योग्य ट्वीडी हेड (Tweedie head) प्रस्तावित करता है जो समुद्री यातायात प्रवाह पूर्वानुमान के लिए गैर-शून्य घटनाओं की सटीक भविष्यवाणी करने हेतु स्पैटियो-टेम्पोरल ग्राफ न्यूरल नेटवर्क को बेहतर बनाने के लिए क्लोज्ड-फॉर्म यूनिट डेविएंस (closed-form unit deviance) को अनुकूलित करता है, जिससे डेटा की विरलता और रुक-रुक कर होने वाले उछालों को प्रभावी ढंग से संबोधित किया जा सके।
यह अध्ययन प्रदर्शित करता है कि ग्राफ न्यूरल नेटवर्क को PharmGKB डेटाबेस से फार्माकोजेनोमिक ज्ञान के साथ संवर्धित करने से पेयर-लेवल स्प्लिट्स के तहत CYP2C9 जैसे विशिष्ट मेटाबॉलिक पाथवे के लिए ड्रग-ड्रग इंटरैक्शन की भविष्यवाणी में महत्वपूर्ण सुधार होता है, हालांकि यह अनदेखे ड्रग्स के लिए सामान्यीकरण को सीमित करने वाली संरचनात्मक सूचना की सीमा को पूरी तरह से पार नहीं कर सकता है।
यह शोध पत्र EvoCSFL का प्रस्ताव करता है, जो एक सरोगेट-असिस्टेड इवोल्यूशनरी फ्रेमवर्क है जो मॉडल प्रदर्शन, संचार विलंबता (कम्युनिकेशन लेटेंसी) और ऊर्जा खपत के बीच संतुलन बनाकर फेडरेटेड लर्निंग में क्लाइंट चयन को अनुकूलित करता है ताकि मौजूदा विधियों की तुलना में तेज़ अभिसरण (कन्वर्जेंस), कम ऊर्जा उपयोग और बेहतर सुदृढ़ता प्राप्त की जा सके।
यह शोध पत्र लॉन्ग-कॉन्टेक्स्ट हाइब्रिड मॉडल्स के लिए आवश्यक न्यूनतम डेंस अटेंशन (dense attention) निर्धारित करने हेतु एक अटेंशन-मास टॉप-के ओरकल (attention-mass top-k oracle) प्रस्तुत करता है और यह प्रदर्शित करता है कि एक फ्रोजन-बैकबोन (frozen-backbone), केएल-डिस्टिल्ड (KL-distilled) स्पार्स इंडेक्सर, क्यूवेन-फैमिली (Qwen-family) मॉडल्स पर महत्वपूर्ण प्रीफिल स्पीडअप प्रदान करते हुए लगभग ओरकल-गुणवत्ता वाला संरक्षण प्राप्त कर सकता है।