22512 पेपर
यह शोध पत्र एक लाइटिंग-अवेयर रिप्रेजेंटेशन लर्निंग फ्रेमवर्क प्रस्तावित करता है जो प्रकाश के उतार-चढ़ाव को एक बाधा (न्युसेंस फैक्टर) के बजाय एक स्पष्ट प्रशिक्षण संकेत के रूप में मानता है, जो मानक कंट्रास्टिव लर्निंग बेसलाइन्स की तुलना में इमेज क्लासिफिकेशन और ऑब्जेक्ट डिटेक्शन कार्यों में बेहतर मजबूती और डाउनस्ट्रीम प्रदर्शन प्रदर्शित करता है।
TALAN एक सीक्वेंस-कंडीशन्ड लेटेंट साइड पाथ पेश करता है जिसे लो-रैंक एडेप्टर्स के साथ को-ट्रेन किया गया है ताकि ट्रांसफॉर्मर रेसिडुअल स्ट्रीम्स में छोटे, ऑर्थोगोनल एक्टिवेशन परटर्बेशन्स को इंजेक्ट किया जा सके, जो न्यूनतम पैरामीटर ओवरहेड और इन्फरेंस कॉस्ट बनाए रखते हुए कई LLM बैकबोन्स में रीजनिंग और कोडिंग प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह शोधपत्र ThinkBooster को प्रस्तुत करता है, जो एक एकीकृत ढांचा है जिसमें एक मॉड्यूलर लाइब्रेरी, एक व्यापक बेंचमार्क और एक तैनात करने योग्य प्रॉक्सी सेवा शामिल है, जो प्रदर्शन-लागत ट्रेड-ऑफ का विश्लेषण करते हुए LLM तर्क (reasoning) को बेहतर बनाने के लिए टेस्ट-टाइम कंप्यूट स्केलिंग रणनीतियों के मूल्यांकन और व्यावहारिक अनुप्रयोग को मानकीकृत करता है।
यह शोध पत्र प्रदर्शित करता है कि फुल फाइन-ट्यूनिंग (Full Fine-Tuning) 1B से कम आकार के भाषा मॉडलों में गंभीर नकारात्मक स्थानांतरण (negative transfer) का कारण बनती है, जिससे गणितीय तर्क कार्यों के लिए एज डिवाइसेस (edge devices) पर पैरामीटर-एफिशिएंट फाइन-ट्यूनिंग (PEFT) एक महत्वपूर्ण स्थिरता आवश्यकता के रूप में स्थापित होती है।
यह शोधपत्र DARS को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो शोर-युक्त एकल-प्रतिक्रिया पर्यवेक्षण (single-response supervision) को वितरण-जागरूक संकेतों (distribution-aware signals) से बदलकर LLM रूटिंग विश्वसनीयता में सुधार करता है, जो इनपुट विविधताओं और मॉडल जनरेशन की अंतर्निहित स्टोकेस्टिसिटी (stochasticity) दोनों को ध्यान में रखते हैं।
यह शोध पत्र मल्टी-ऑब्जेक्टिव बेयसियन ऑप्टिमाइज़ेशन के लिए एक सामान्य त्वरण तंत्र प्रस्तुत करता है जो गौसियन प्रोसेस प्रेडिक्टिव ग्रेडिएंट्स को सहायक संकेतों के रूप में शामिल करके मौजूदा अधिग्रहण कार्यों (acquisition functions) को उन्नत करता है, और सीमित मूल्यांकन बजट के तहत स्थिर बेंचमार्क समस्याओं पर महत्वपूर्ण अभिसरण सुधारों का प्रदर्शन करता है।
यह शोध पत्र PyHealth पर निर्मित एक हल्का, एंड-टू-एंड बेंचमार्किंग फ्रेमवर्क प्रस्तुत करता है जो सिंथेटिक EHR जनरेशन मॉडल्स (विशेष रूप से अनुदैर्ध्य ICD डायग्नोसिस कोड्स को लक्षित करते हुए) के प्रतिरूपणीय (reproducible), आर्किटेक्चर-अज्ञेय (architecture-agnostic) तुलना को सक्षम करने के लिए कोडबेस, प्रशिक्षण और मूल्यांकन प्रोटोकॉल को एकीकृत करता है।
यह शोध पत्र RASFT का प्रस्ताव करता है, जो एक पॉलिसी-अवेयर सुपरवाइज्ड फाइन-ट्यूनिंग फ्रेमवर्क है जो समस्या की समाधान क्षमता और पॉलिसी कॉन्फिडेंस के आधार पर विशेषज्ञ अनुकरण (expert imitation) और स्व-निर्मित तर्क (self-generated reasoning) के बीच संतुलन को गतिशील रूप से समायोजित करता है, जिससे मौजूदा SFT और RL विधियों की तुलना में गणितीय और कोड रीजनिंग बेंचमार्क पर बेहतर प्रदर्शन प्राप्त होता है।
यह शोधपत्र एक एकीकृत गणितीय ढांचे का प्रस्ताव करता है जो स्पार्स ऑटोएनकोडर्स (sparse autoencoders) में कॉन्सेप्ट लर्निंग को एक सेट-अलाइनमेंट समस्या के रूप में औपचारिक रूप देता है, जो फीचर रिप्रेजेंटेशन के लिए ज्यामितीय स्थितियों को स्थापित करता है और सेट-थ्योरेटिक सिद्धांतों एवं औपचारिक अवधारणा विश्लेषण (formal concept analysis) के माध्यम से सामान्य SAE घटनाओं की व्याख्या करता है।
CF-JEPA टाइम-सीरीज़ डेटा के लिए एक नवीन मास्क-फ्री सेल्फ-सुपरवाइज्ड लर्निंग फ्रेमवर्क पेश करता है जो मल्टी-होरिज़न फॉरवर्ड प्रेडिक्शन का उपयोग करता है और वर्गीकरण (classification), पूर्वानुमान (forecasting) और विसंगति का पता लगाने (anomaly detection) में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए ऑनलाइन और टारगेट एनकोडर के बीच एसिमेट्रिक फीचर रिप्रेजेंटेशन का लाभ उठाता है।