22512 पेपर
28 उच्च-प्रोफ़ाइल फ़िल्टर फीचर चयन अध्ययनों का यह मेटा-विश्लेषण प्रकट करता है कि प्रयोगात्मक डिज़ाइन के विकल्प, विशेष रूप से डेटासेट, बेसलाइन और नई विधियों की संख्या, रिपोर्ट किए गए प्रदर्शन में 33% भिन्नता की व्याख्या करते हैं, जो संभावित पूर्वाग्रहों को उजागर करता है और भविष्य के मूल्यांकन मानकों में सुधार के लिए पांच साक्ष्य-आधारित सिफारिशें प्रदान करता है।
यह शोध पत्र ऑन-पॉलिसी डिस्टिलेशन (OPD) की प्रशिक्षण गतिशीलता को एक विशिष्ट ज्यामितीय शासन के रूप में अभिलक्षित करता है जो सुपरवाइज्ड फाइन-ट्यूनिंग और सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) से भिन्न है, यह प्रकट करते हुए कि OPD अपडेट तेजी से एक विशिष्ट निम्न-आयामी उप-स्थान (लो-डायमेंशनल सबस्पेस) में लॉक हो जाते हैं जो इसके प्रदर्शन के लिए कार्यात्मक रूप से पर्याप्त है।
SigmaScale एक नवीन LLM संपीड़न (compression) विधि है जो एक्टिवेशन-अवेयर SVD के माध्यम से वेट मैट्रिसेस (weight matrices) की प्रभावी इंट्रिन्सिक रैंक को कम करने के लिए सीखे गए डायगोनल स्केलिंग मैट्रिसेस को अनुकूलित करती है, जिससे Llama 3.1 और Qwen3 जैसे मॉडलों पर अत्याधुनिक तकनीकों के साथ प्रतिस्पर्धी प्रदर्शन प्राप्त होता है।
OffQ एक नवीन लो-बिट क्वांटाइजेशन विधि है जो टॉप-1 PCA के माध्यम से एक लो-डायमेंशनल आउटलायर सबस्पेस की पहचान करके, उच्च-परिमाण वाले एक्टिवेशन्स को एक एकल चैनल में रोटेट करके, और उनकी परिमाण को एक साझा ऑफसेट में परिवर्तित करके लार्ज लैंग्वेज मॉडल्स में एक्टिवेशन आउटलायर्स को कम करती है ताकि कुशल और सटीक W4A4KV4 क्वांटाइजेशन सक्षम किया जा सके।
यह शोध पत्र एक्सप्लिसिट सिम्बोलिक बिहेवियरल मॉडल (ESBM) का परिचय देता है, जो एक प्रशिक्षित ढांचा है जो अनुकूलन योग्य प्रश्न पूछने और निष्पादन योग्य वर्ल्ड-मॉडल प्रोब्स के साथ कार्य प्रदर्शन को एकीकृत करता है ताकि मजबूत, व्याख्या योग्य नीतियों को सीखा जा सके जिन्हें केवल कार्य स्कोर के बजाय यांत्रिक निरंतरता के आधार पर निरंतर परिष्कृत किया जा सकता है।
यह शोध पत्र REMEDI को प्रस्तुत करता है, जो MIMIC-III डेटाबेस का उपयोग करके मल्टी-लेबल क्लिनिकल रोग अनुमान (multi-label clinical disease inference) में मशीन अनलर्निंग विधियों के मूल्यांकन के लिए एक नया बेंचमार्क है, जो उपयोगिता (utility) और अनलर्निंग प्रदर्शन के बीच महत्वपूर्ण समझौतों (trade-offs) को प्रकट करता है और चिकित्सा डोमेन में मौजूदा विधियों की सीमाओं को उजागर करता है।
यह शोधपत्र भौतिकी-सूचित व्युत्क्रम शिक्षण (physics-informed inverse learning) के लिए एक "नो-हार्म" (no-harm) प्रमाणन-और-चयन ढांचे को प्रस्तुत करता है जो विश्वसनीयता की गारंटी देता है, क्योंकि यह सीखे गए पुनर्निर्माणों को केवल तभी स्वीकार करता है जब उनका अवशेष-अंकित अनिश्चितता त्रिज्या (residual-calibrated uncertainty radius) एक आधार रेखा (baseline) की तुलना में अधिक नहीं होता है, जिससे इस प्रकार PDE-शासित समस्याओं में काल्पनिक या विस्थापित समाधानों की तैनाती को रोका जा सके।
यह अध्ययन प्रदर्शित करता है कि टेक्स्टुअल सुपरविजन (textual supervision), विजन-ओनली आर्किटेक्चर की तुलना में विजन-लैंग्वेज मॉडल्स में भू-स्थानिक निरूपण (geospatial representations) को महत्वपूर्ण रूप से बढ़ाता है, जो भू-स्थानिक एआई (geospatial AI) में स्थानिक सटीकता में सुधार के लिए एक पूरक मोडैलिटी के रूप में भाषा की महत्वपूर्ण भूमिका को रेखांकित करता है।
यह शोध पत्र OPTIMUS को प्रस्तुत करता है, जो गहरे विज़न मॉडलों के लिए अवधारणा-आधारित दृश्य स्पष्टीकरण उत्पन्न करने हेतु एक नवीन ढांचा है, जो औपचारिक रूप से गारंटीकृत, न्यूनतम और पर्याप्त हीटमैप प्रदान करने के लिए प्राइम इम्प्लिकेंट सिद्धांत का लाभ उठाता है, जिससे व्यावहारिक व्याख्यात्मकता और सैद्धांतिक कठोरता के बीच के अंतर को पाटा जा सके।
यह शोध पत्र RETROSPECT को पेश करता है, जो एक मॉड्यूलर रेट्रोसिंथेसिस सिस्टम है जो प्रस्ताव जनरेशन (proposal generation) और कैंडिडेट सिलेक्शन (candidate selection) के कार्यों को विभाजित करके, एक ChemAlign Transformer जनरेटर को LambdaMART रेंकर के साथ जोड़कर अत्याधुनिक सटीकता प्राप्त करता है, जो यह प्रदर्शित करता है कि मजबूत सिंगल-मॉडल प्रस्ताव और सीखा हुआ रैंकिंग पूरक रणनीतियाँ हैं।