19863 पेपर
यह शोध पत्र यह प्रदर्शित करता है कि भाषाओं के स्वयं के आधार पर परिभाषित संक्षिप्त, मशीन-स्वतंत्र कम्प्यूटेशनल ट्रेसेस (computational traces) का उपयोग करते हुए, जो केवल भाषाओं की मूल शब्दावलियों के आकार के रैखिक (linear) लघु वर्णमाला का उपयोग करते हैं, सीमा (limit) में भाषा पहचान प्राप्त की जा सकती है।
यह शोध पत्र सांख्यिकीय निर्णय विश्वास (SDC) के मानकीय ढांचे को लागू करते हुए यह प्रदर्शित करता है कि मल्टीमॉडल लैंग्वेज मॉडल्स में उत्तर लॉजिट्स (answer logits), ह्यूरिस्टिक प्रेफरेंस स्कोर्स के बजाय एक लेटेंट डिसीजन वेरिएबल के मोनोटोनिक रीडआउट के रूप में कार्य करते हैं, जिससे विश्वास का एक ऐसा कम्प्यूटेशनल विवरण प्राप्त होता है जो जैविक और कृत्रिम बुद्धिमत्ता को एकीकृत करता है।
यह शोध पत्र क्लास-कॉन्ट्रास्टिव इन्फ्लुएंस (C2I) का प्रस्ताव करता है, जो एक ग्रेडिएंट-आधारित मीट्रिक है जो फ्यू-शॉट मेडिकल क्लासिफिकेशन के लिए उच्च-मूल्य वाले सिंथेटिक नमूनों की पहचान करता है, और इसे सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) के माध्यम से डिफ्यूजन मॉडल्स को फाइन-ट्यून करने के लिए उपयोग करता है, जिससे केवल छवि यथार्थता के बजाय कार्य-विशिष्ट नमूना उपयोगिता को प्राथमिकता देकर डाउनस्ट्रीम सटीकता और मजबूती में सुधार किया जाता है।
यह शोध पत्र सैंपल एफिशिएंट जनरेटिव ऑप्टिमाइज़ेशन (SEGO) को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो आणविक डिजाइन के लिए आवश्यक महंगे ऑरेकल इवैल्यूएशन की संख्या को महत्वपूर्ण रूप से कम करने के लिए बेयसियन ऑप्टिमाइज़ेशन को एडेप्टिव जनरेटिव मॉडल्स के साथ एकीकृत करता है, जिससे मौजूदा विधियों की तुलना में दस गुना तक कम नमूनों के साथ व्यावहारिक बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है।
JoLT टोकन और फीचर अक्षों पर एक आंशिक टकर डिकंपोजिशन (Tucker decomposition) लागू करके और विसर्जित की गई जानकारी को जॉनसन-लिंडेनस्ट्रॉस रोटेटेड लो-बिट रेसिडुअल के माध्यम से पुनर्स्थापित करके, लार्ज लैंग्वेज मॉडल्स के KV कैश का लगभग लॉसलेस 2-3x संपीड़न प्राप्त करता है, जो पर्प्लेक्सिटी और डाउनस्ट्रीम कार्यों पर बेसलाइन प्रदर्शन बनाए रखने के लिए एक एकीकृत बाइट बजट के तहत अनुकूलित है।
यह शोध पत्र फाइनाइट-टाइम स्पेक्ट्रल सेंसिटिविटी (FTSS) प्रस्तुत करता है, जो एक ग्रेडिएंट-मुक्त मीट्रिक है जो फ्लो मैचिंग मॉडल्स में स्टेट-ट्रांजिशन मैट्रिसेस के सिंगुलर वैल्यूज का विश्लेषण करके स्पेक्ट्रल कोलैप्स के माध्यम से जनरेटिव मेमोराइजेशन और ओवरफिटिंग का पता लगाता है, जिससे बाहरी डेटा या मेंबरशिप क्वेरीज़ की आवश्यकता समाप्त हो जाती है।
यह शोध पत्र टर्बुलेंट फ्लो कंट्रोल के लिए इवोल्यूशन स्ट्रैटेजी के पहले अनुप्रयोग को प्रस्तुत करता है, जो यह प्रदर्शित करता है कि पर एक बड़े डोमेन पर सीधे प्रशिक्षित ग्रेडिएंट-फ्री रिकरेंट कंट्रोलर ने स्ट्रीमवाइज वेलोसिटी कोरिलेशन के माध्यम से नियर-वॉल टर्बुलेंस को पुनर्गठित करके 26% स्किन-फ्रिक्शन ड्रैग में कमी प्राप्त की है, जो पिछले ग्रेडिएंट-आधारित मल्टी-एजेंट रिइन्फोर्समेंट लर्निंग और क्लासिक अपोजिशन कंट्रोल दोनों से बेहतर प्रदर्शन करता है।
यह शोध पत्र एक ज्यामितीय गहन शिक्षण (geometric deep learning) आर्किटेक्चर प्रस्तावित करता है जो केवल स्थिति-आधारित डेटा (position-only data) से यांत्रिक प्रणाली की गतिशीलता को सीखने के लिए ली समूह (Lie groups) पर विविक्त फोर्स्ड यूलर-लैग्रेंज समीकरणों (discrete forced Euler-Lagrange equations) का उपयोग करता है, जिससे बहु-पिंड प्रणालियों (multibody systems) और बाहरी नियंत्रणों को समायोजित करते हुए अंतर्निहित ज्यामितीय संरचनाओं और संरक्षण नियमों को संरक्षित किया जा सके।
यह शोध पत्र AdaPCLA का प्रस्ताव करता है, जो एक एडेप्टिव प्रायर-कैलिब्रेटेड लॉजिट एडजस्टमेंट फ्रेमवर्क है जो अनुदैर्ध्य इलेक्ट्रॉनिक स्वास्थ्य रिकॉर्ड मॉडलिंग (longitudinal Electronic Health Record modeling) में दुर्लभ घटना पीढ़ी (rare event generation) की निष्ठा और ज़ीरो-शॉट क्रॉस-पॉपुलेशन अनुकूलन (zero-shot cross-population adaptation) में महत्वपूर्ण सुधार करने के लिए सिम्युलेटेड एनीलिंग और डेटा डिस्ट्रीब्यूशन-अवेयर ट्रेनिंग का लाभ उठाता है।
यह शोधपत्र EG-VAR प्रस्तुत करता है, जो एक Lean 4-आधारित एजेंटिक रीजनिंग आर्किटेक्चर है जो यह सुनिश्चित करके अनुभवजन्य अनुमान (empirical inference) में LLM मतिभ्रम (hallucinations) को समाप्त करता है कि सभी सत्यापित आउटपुट प्रमाणित टूल कॉल्स और कर्नेल-चेक्ड प्रमाणों से संरचनात्मक रूप से व्युत्पन्न हैं, जबकि किसी भी असमर्थित दावे का स्पष्ट रूप से ऑडिट करता है या उससे परहेज करता है।