cs.LG

ADAPTOOD: Uncertainty-Aware Fine-Tuning for Out-of-Distribution ECG Time Series Models

यह शोध पत्र ADAPTOOD का प्रस्ताव करता है, जो एक अनिश्चितता-जागरूक (uncertainty-aware) फाइन-ट्यूनिंग फ्रेमवर्क है जो अनुकूलन योग्य हाइपरपैरामीटर अनुकूलन और लो-रैंक मॉडल अपडेट को निर्देशित करने के लिए ईसीजी (ECG) टाइम सीरीज़ डेटा में आउट-ऑफ-डिस्ट्रीब्यूशन शिफ्ट की गंभीरता को मापता है, जिससे मौजूदा विधियों की तुलना में मजबूती और प्रदर्शन में महत्वपूर्ण सुधार होता है।

CaloTrilogy: Toward a Breakthrough in One-Step, End-to-End, Physics-Guided Shower Generation for Modern Calorimeters

यह शोध पत्र CaloTrilogy प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो एक औसत वेग क्षेत्र इंटीग्रेटर (average velocity field integrator), एक डेटा-व्युत्पन्न जनरेटिव प्रायर (data-derived generative prior) और प्रशिक्षण-समय के भौतिकी संबंधी बाधाओं को जोड़कर आधुनिक कैलोरीमीटरों के लिए उच्च-गुणवत्ता वाले, भौतिकी-निर्देशित कण शॉवर उत्पादन को मात्र एक या कुछ इन्फरेंस स्टेप्स में प्राप्त करता है, जिससे मौजूदा फ्लो और डिफ्यूजन मॉडलों की कम्प्यूटेशनल अक्षमताओं पर विजय प्राप्त होती है।

Smart Transportation Without Neurons -- Fair Metro Network Expansion with Tabular Reinforcement Learning

यह शोध पत्र एक संसाधन-कुशल और व्याख्या योग्य टैबुलर सुदृढीकरण शिक्षण (reinforcement learning) दृष्टिकोण प्रस्तावित करता है, जिसे सामाजिक समता मानदंडों के साथ एक नॉन-मार्कोवियन रिवार्ड्स डिसीजन प्रोसेस के रूप में पुनर्गठित किया गया है, ताकि मेट्रो नेटवर्क विस्तार समस्या को हल किया जा सके, जो वास्तविक दुनिया के परिदृश्यों में प्रतिस्पर्धी प्रदर्शन बनाए रखते हुए डीप आरएल (Deep RL) की तुलना में काफी कम प्रशिक्षण एपिसोड और कार्बन उत्सर्जन के साथ संपन्न होता है।

When Autoregressive Consistency Hurts Safety Alignment

यह शोध पत्र ऑटोरेग्रेसिव कंसिस्टेंसी (autoregressive consistency) को बड़े भाषा मॉडलों में उथले सुरक्षा संरेखण (shallow safety alignment) का कारण बनने वाले एक प्रमुख तंत्र के रूप में पहचानता है, यह प्रदर्शित करता है कि कैसे यह इनकार (refusals) को दरकिनार करने वाले नए "रैंडम इंसर्शन" (random insertion) हमलों को सक्षम बनाता है, और एक प्रतिकूल सुरक्षा संरेखण ढांचे (adversarial safety alignment framework) का प्रस्ताव करता है ताकि मॉडलों को संपूर्ण आउटपुट प्रक्षेपवक्र (output trajectory) के दौरान हानिकारक निरंतरता का विरोध करने के लिए प्रशिक्षित करके इन कमजोरियों को कम किया जा सके।

MimeLens: Position-Agnostic Content-Type Detection for Binary Fragments

MimeLens एक पोजीशन-अज्ञेय (position-agnostic) BERT-शैली का एनकोडर है जो उच्च CPU विलंबता (latency) के बावजूद, Magika जैसे मौजूदा सिस्टमों की तुलना में किसी भी अनिश्चित फ़ाइल ऑफसेट से बाइनरी फ्रैगमेंट को वर्गीकृत करने में बेहतर सटीकता प्राप्त करता है।

Low-rank Distributional Matrix Completion

KODA: Contrastive Representation Comparison and Alignment for Vision-Language Foundation Models

यह शोधपत्र KODA प्रस्तुत करता है, जो एक कर्नेल-आधारित ढांचा है जो एक प्रतिनिधित्व में सुसंगत संरचनाओं के लिए अनुकूलन करते हुए दूसरे में उन्हें दबाकर, बड़े डेटासेट तक स्केल करने के लिए रैंडमाइज्ड एप्रोक्सिमेशन का उपयोग करते हुए, विजन-लैंग्वेज फाउंडेशन मॉडल्स के बीच संरचनात्मक रूप से विसंगत सैंपल सबसेट्स की पहचान और संरेखण करता है।

Exact Unlearning in Reinforcement Learning

यह शोध पत्र सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) में सटीक अनलर्निंग (अनलर्निंग) की समस्या को प्रतिपादित करता है और टैबुलर MDPs के लिए एक $\rho$-TV-स्थिर एल्गोरिदम प्रस्तावित करता है जो लगभग मिनिमैक्स इष्टतम रिग्रेट प्राप्त करता है और शून्य से पुन: प्रशिक्षण (रिट्रेनिंग) लेने की तुलना में काफी कम कम्प्यूटेशनल लागत के साथ कुशल डेटा निष्कासन सक्षम करता है।

Dual Advantage Fields

यह शोधपत्र ड्यूल एडवांटेज फील्ड्स (DAF) का प्रस्ताव करता है, जो एक पॉलिसी-एक्सट्रैक्शन विधि है जो द्वैरेखीय (bilinear) ड्यूल वैल्यू मॉडल्स को लक्ष्य-निर्देशित फीचर विस्थापन (goal-directed feature displacements) के साथ उनके संरेखण के आधार पर क्रियाओं को स्कोर करके स्थानीय एडवांटेज संकेतों में परिवर्तित करती है, जिससे जटिल कार्यों पर ऑफलाइन गोल-कंडीशन्ड रिइन्फोर्समेंट लर्निंग के प्रदर्शन में सुधार होता है।

Training-Free Lexical-Dense Fusion for Conversational-Memory Retrieval

यह शोध पत्र एक प्रशिक्षण-मुक्त (training-free), केवल CPU-आधारित रिट्रीवल रेसिपी प्रस्तुत करता है जो लेट-इंटरेक्शन डेंस स्कोर को BM25 के साथ फ्यूज करके दीर्घकालिक संवादात्मक स्मृति (long-term conversational memory) को महत्वपूर्ण रूप से बढ़ाता है, यह प्रदर्शित करते हुए कि जबकि यह लेक्सिकल-डेंस फ्यूजन मल्टी-हॉप और टेम्पोरल क्वेरीज़ पर स्टैंडअलोन डेंस या स्पार्स विधियों की तुलना में बेहतर प्रदर्शन करता है, यह पुन: रैंकिंग (reranking) द्वारा सार्वभौमिक रूप से सुधरा नहीं है और उन डेटासेट्स पर घटते प्रतिफल (diminishing returns) दिखाता है जहाँ लेक्सिकल रिट्रीवल पहले से ही संतृप्त (saturate) हो चुका है।