22512 पेपर
यह शोध पत्र HalfNet को प्रस्तुत करता है, जो एक न्यूरल नेटवर्क दृष्टिकोण है जो डेटा-निर्भर यादृच्छिक भार (random weights) उत्पन्न करने के लिए सहप्रसरण आव्यूह (covariance matrix) के लो-रैंक गुणनखंडन (low-rank factorization) को सीखता है, जिससे वेट स्पेस की ज्यामिति का लाभ उठाते हुए काफी कम मापदंडों (parameters) के साथ पूर्णतः प्रशिक्षित मॉडलों के तुलनीय प्रदर्शन प्राप्त होता है।
यह शोध पत्र DINOSAUR को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो उपयोगकर्ताओं और वस्तुओं दोनों के लिए कई एम्बेडिंग को नमूना बनाकर एम्बेडिंग अनिश्चितता (embedding uncertainty) को अनुमानित निकटतम पड़ोसी खोज (approximate nearest neighbor search) में शामिल करता है, जिससे मौजूदा बुनियादी ढांचे के साथ अनुकूलता बनाए रखते हुए और रिकॉल हानि को न्यूनतम करते हुए विविध लॉन्ग-टेल सामग्री की प्राप्ति में सुधार होता है।
यह शोध पत्र स्पेक्ट्रल अलाइनमेंट स्कोर (SAS) को प्रस्तुत करता है, जो एक असममित मीट्रिक है जो यह दर्शाकर मेडिकल विजन-लैंग्वेज मॉडल्स में छिपे हुए मोडैलिटी असंतुलन को उजागर करता है कि क्लिनिकल रिपोर्ट्स में अक्सर मेडिकल इमेजेस की तुलना में कम स्ट्रक्चरल जानकारी होती है, जो एक महत्वपूर्ण नैदानिक अंतर्दृष्टि है जिसे मौजूदा सममित मीट्रिक्स पकड़ने में विफल रहते हैं।
यह शोध पत्र ALINC को प्रस्तुत करता है, जो एक नवीन सक्रिय शिक्षण (active learning) ढांचा है जो एकत्रीकरण तंत्रों के माध्यम से चयन के फोकस को व्यक्तिगत नोड्स से पूरे ग्राफों में स्थानांतरित करके इंडक्टिव नोड वर्गीकरण के अंतराल को संबोधित करता है, और आणविक रसायन विज्ञान एवं इलेक्ट्रॉनिक डिज़ाइन ऑटोमेशन जैसे डोमेन में अपनी प्रभावशीलता प्रदर्शित करता है।
CRAFT एक पारेटो-फ्रंट (Pareto-front) प्रॉम्प्ट ऑप्टिमाइज़र है जो वैलिडेशन कॉल्स को एक दुर्लभ संसाधन मानकर स्केलरलाइजेशन कोलैप्स (scalarization collapse) की सीमाओं से बचता है ताकि विभिन्न कार्यों में इष्टतम सटीकता-लागत ट्रेड-ऑफ (accuracy-cost trade-offs) प्रदान करने वाले प्रॉम्प्ट्स के एक विविध सेट को कुशलतापूर्वक खोजा जा सके।
यह शोध पत्र यह प्रदर्शित करता है कि Muon, मुख्य रूप से कम नॉर्मलाइज्ड डायरेक्शनल शार्पनेस (NDS) कर्वेचर पेनल्टी के माध्यम से एक बड़े एक-चरण (one-step) लॉस घटाव को प्राप्त करके, लार्ज लैंग्वेज मॉडल ट्रेनिंग में Adam से बेहतर प्रदर्शन करता है, जो एक ऐसा ज्यामितीय लाभ है जो डेटा असंतुलन द्वारा प्रवर्धित होता है और लेयर के भीतर कम कर्वेचर द्वारा बनाए रखा जाता है।
यह शोध पत्र डीप एम्बेडेड वैलिडेशन (DEV) का प्रस्ताव करता है, जो एक नवीन विधि है जो लक्षित जोखिम के निष्पक्ष, निम्न-विचरण अनुमान प्रदान करने के लिए अनुकूलित फीचर रिप्रजेंटेशन को वैलिडेशन प्रक्रिया में समाहित करती है, जिससे बिना लेबल वाले टार्गेट डेटा की आवश्यकता के, डीप अनसुपरवाइज्ड डोमेन अडैप्टेशन में सटीक मॉडल चयन की महत्वपूर्ण चुनौती को हल किया जा सके।
यह शोध पत्र LARM को प्रस्तुत करता है, जो एक डेप्थ-कंडीशन्ड लूप्ड ट्रांसफॉर्मर फ्रेमवर्क है जो FiLM कंडीशनिंग और स्पार्स CTC चेकपॉइंट्स जैसे विशिष्ट घटकों के माध्यम से रिकरेंट एनकोडर डेप्थ को गतिशील रूप से समायोजित करके ऑटोमैटिक स्पीच रिकग्निशन के लिए टेस्ट-टाइम कंप्यूट स्केलिंग को सक्षम बनाता है, जिससे बड़े, फिक्स्ड-डेप्थ मॉडलों की आवश्यकता के बिना रिकग्निशन सटीकता में सुधार होता है।
यह शोध पत्र QPredSGG को प्रस्तुत करता है, जो एक हाइब्रिड क्वांटम-क्लासिकल फ्रेमवर्क है जो एक 'कॉज़ल फीचर एनहांसमेंट नेटवर्क' के प्रेडिकेट हेड को एक पैरामीटर-कुशल 'क्वांटम प्रेडिकेट हेड' से बदल देता है, जिससे मॉडल की जटिलता को काफी कम करते हुए विजुअल जीनोम 150 डेटासेट पर 'मीन रिकॉल' में सुधार करके लॉन्ग-टेल सीन ग्राफ जनरेशन पर अत्याधुनिक प्रदर्शन प्राप्त किया गया है।
यह शोध पत्र दो ग्राफ-निर्देशित यूनिवर्सम लर्निंग मॉडल्स, UG-GEPSVM और IUG-GEPSVM का प्रस्ताव करता है, जो मौजूदा विधियों की तुलना में अल्जाइमर रोग के वर्गीकरण की सटीकता और शोर (noise) के विरुद्ध मजबूती को महत्वपूर्ण रूप से सुधारने के लिए माइल्ड कॉग्निटिव इम्पेयरमेंट (MCI) नमूनों की ज्यामितीय संरचना को यूनिवर्सम डेटा के रूप में उपयोग करते हैं।