22512 पेपर
यह शोध पत्र "सेमी-ऑफलाइन रीइन्फोर्समेंट लर्निंग" का परिचय देता है, जो अन्वेषण (exploration) और प्रशिक्षण लागत के बीच संतुलन बनाने के लिए ऑनलाइन और ऑफलाइन सेटिंग्स के बीच के अंतर को पाटने वाला एक नया प्रतिमान (paradigm) है, जो टेक्स्ट जनरेशन के लिए एक सैद्धांतिक रूप से इष्टतम ढांचा प्रदान करता है जो अत्याधुनिक तरीकों के बराबर या उनसे बेहतर प्रदर्शन करता है।
यह शोध पत्र NPEFF को प्रस्तुत करता है, जो एक नवीन व्याख्यात्मकता (interpretability) विधि है जो विभिन्न कार्यों में भाषा मॉडलों द्वारा नियोजित विशिष्ट प्रसंस्करण रणनीतियों को उजागर करने और चुनिंदा रूप से हेरफेर करने के लिए प्रति-उदाहरण फिशर मैट्रिसेस (per-example Fisher matrices) को धनात्मक अर्ध-निश्चित (positive semi-definite) घटकों में विघटित करता है।
यह शोध पत्र ओपन सेट रिकग्निशन (open set recognition) में फीचर डाइवर्सिटी (feature diversity) की भूमिका का विश्लेषण करता है, जो प्रदर्शन के साथ इसके मजबूत सहसंबंध को प्रकट करता है और एक नवीन विधि प्रस्तावित करता है जो विविध डिस्क्रिमिनेटिव फीचर्स (diverse discriminative features) का लाभ उठाकर अत्याधुनिक दृष्टिकोणों से काफी बेहतर प्रदर्शन करती है।
यह शोध पत्र इक्विवेरिएंट न्यूरल नेटवर्क्स (equivariant neural networks) की पृथक्करण शक्ति का एक व्यापक लक्षण वर्णन प्रदान करता है, जो यह प्रकट करता है कि नॉन-पॉलीनोमियल एक्टिवेशन्स (non-polynomial activations) अधिकतम अभिव्यक्ति क्षमता प्राप्त करते हैं, गहराई केवल एक विशिष्ट सीमा तक सुधार प्रदान करती है, और ब्लॉक डिकंपोजिशन (block decomposition) मॉडल क्षमताओं की तुलना करने के लिए एक पदानुक्रमित ढांचा निर्मित करता है।
यह शोध पत्र FATE को प्रस्तुत करता है, जो एक नवीन ट्रांसफॉर्मर आर्किटेक्चर है जो स्थानिक-कालिक सहसंबंधों (spatiotemporal correlations) को पकड़ने और व्याख्यात्मकता प्रदान करने के लिए एक टेंसरयुक्त फोकल मॉड्यूलेशन तंत्र का उपयोग करता है, जो विविध वास्तविक दुनिया के डेटासेट में मल्टीवेरिएट टाइम-सीरीज फोरकास्टिंग में लगातार अत्याधुनिक विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र एक उन्नत विरल सेंसर नेटवर्क (sparse sensor network) का उपयोग करके नई दिल्ली में छिपे हुए वायु प्रदूषण हॉटस्पॉट को प्रभावी ढंग से पहचानने और समझाने के लिए डेटा-संचालित भविष्य कहनेवाला मॉडलिंग (data-driven predictive modeling) और भौतिकी-आधारित यांत्रिक विश्लेषण (physics-based mechanistic analysis) को संयोजित करने वाले एक हाइब्रिड दृष्टिकोण का प्रस्ताव करता है, जो संसाधन-सीमित शहरी वायु गुणवत्ता प्रबंधन के लिए स्केलेबल समाधान प्रदान करता है।
यह शोध पत्र AnomalyCD का प्रस्ताव करता है, जो एक स्केलेबल दृष्टिकोण है जो एनोमैली-अवेयर टेस्टिंग, स्पार्स डेटा कम्प्रेशन और एज प्रूनिंग जैसी रणनीतियों को नियोजित करके बड़े पैमाने के बाइनरी फ्लैग डेटा से टेम्पोरल एनोमैली कॉजैलिटी (temporal anomaly causality) की खोज में कम्प्यूटेशनल दक्षता और बेहतर सटीकता प्राप्त करता है।
यह सर्वेक्षण बेयसियन (Bayesian), डीप लर्निंग और लार्ज लैंग्वेज मॉडल फ्रेमवर्क के माध्यम से उनके मौलिक सिद्धांतों, मॉडल डिजाइनों और अनुमान तकनीकों का परीक्षण करके टेम्पोरल पॉइंट प्रोसेस (temporal point processes) की एक व्यापक समीक्षा प्रदान करता है, साथ ही क्लासिक अनुप्रयोगों पर प्रकाश डालता है और भविष्य की अनुसंधान चुनौतियों को रेखांकित करता है।
यह शोध पत्र बुलियन फलनों (Boolean functions) और छोटे तंत्रिका नेटवर्क (neural networks) पर प्रयोगों के माध्यम से यह प्रदर्शित करते हुए मैकेनिस्टिक इंटरप्रिटेबिलिटी (Mechanistic Interpretability) की पहचान क्षमता (identifiability) की जांच करता है कि व्यवस्थित गैर-पहचान क्षमता (systematic non-identifiability) के कारण अद्वितीय स्पष्टीकरण अक्सर अप्राप्य होते हैं, जिससे वैध एआई स्पष्टीकरणों के लिए क्या सख्त विशिष्टता आवश्यक है, इस पर पुनर्मूल्यांकन की आवश्यकता उत्पन्न होती है।
यह शोध पत्र RTD-Lite प्रस्तुत करता है, जो एक स्केलेबल एल्गोरिदम है जो जटिलता के साथ भारित ग्राफ (weighted graphs) की टोपोलॉजिकल कनेक्टिविटी संरचनाओं की कुशलतापूर्वक तुलना करता है, जिससे टोपोलॉजिकल विशेषताओं को संरक्षित करने के लिए आयामी न्यूनीकरण (dimensionality reduction) और न्यूरल नेटवर्क प्रशिक्षण में इसका प्रभावी अनुप्रयोग संभव हो पाता है।