22578 पेपर
यह शोध पत्र गॉसियन न्यूरल पोस्टीरियर एस्टीमेशन का उपयोग करते हुए एक सिमुलेशन-आधारित अनुमान पद्धति प्रस्तुत करता है जो एकल GPU पर हजारों डेटा-प्रतिबंधित कॉस्मोलॉजिकल इनिशियल कंडीशन सैंपल्स को तेजी से उत्पन्न करने के लिए, बेयसियन कंसिस्टेंसी टेस्ट के माध्यम से सटीकता बनाए रखते हुए मौजूदा तकनीकों की तुलना में आदेशों-का-परिमाण (ऑर्डर्स-ऑफ-मैग्निट्यूड) अधिक गति में सुधार प्रदान करता है।
यह शोध पत्र पूर्ववर्ती (posterior) को उत्तरवर्ती (end-to-end) निर्देशित जनरेशन के एक लालची सन्निकटन (greedy approximation) के रूप में फ्रेम करके दोनों को एकीकृत करता है, जिससे एक नई इंटरपोलेशन विधि सक्षम होती है जो फ्लो और डिफ्यूजन मॉडल्स में ट्रेनिंग-फ्री कंट्रोल के लिए कम्प्यूटेशनल लागत और ग्रेडिएंट सटीकता के बीच संतुलन बनाती है।
यह शोध पत्र रूबस्ट रिकरेंट डीप नेटवर्क (R2DN) को प्रस्तुत करता है, जो स्थिर और लिप्सचिट्ज़ रिकरेंट न्यूरल नेटवर्क का एक स्केलेबल पैरामीट्राइजेशन है जो पुनरावृत्ति इक्विलिब्रियम समाधान की आवश्यकता को समाप्त करता है, जिससे सिस्टम आइडेंटिफिकेशन, ऑब्जर्वर डिजाइन और कंट्रोल कार्यों में तुलनीय प्रदर्शन बनाए रखते हुए रिकरेंट इक्विलिब्रियम नेटवर्क्स (RENs) की तुलना में काफी तेज प्रशिक्षण और अनुमान गति प्राप्त होती है।
यह शोध पत्र ट्रैजेक्टरी डेटा से मोटश-टैडमोर मॉडल में असममित इंटरेक्शन कर्नेलल (asymmetric interaction kernels) को मजबूती से पहचानने के लिए एक वेरिएशनल फ्रेमवर्क के भीतर एक स्पार्स बायेसियन लर्निंग एल्गोरिदम का प्रस्ताव करता है, जो पहचान योग्यता (identifiability) की शर्तों को स्थापित करता है और व्यापक संख्यात्मक प्रयोगों के माध्यम से इसकी सटीकता और अनिश्चितता परिमाणीकरण क्षमताओं का प्रदर्शन करता है।
यह शोध पत्र फॉरवर्ड-बैकवर्ड कम्पैटिबिलिटी पर आधारित एक इनवेरिएंस-अवेयर फ्रेमवर्क पेश करके मानक मॉडल स्टिचिंग की कार्यात्मक समानता को सटीक रूप से मूल्यांकन करने की सीमा को संबोधित करता है, जो अलग-अलग सूचना संकेतों (इन्फॉर्मेशन क्यूज़) पर निर्भर मॉडलों के कारण होने वाली कार्यात्मक विसंगतियों को प्रकट करता है।
TIDFormer एक कुशल और व्याख्या योग्य गतिशील ग्राफ ट्रांसफॉर्मर है जो कैलेंडर-आधारित समय विभाजन, प्रथम-क्रम पड़ोसी संपर्क एम्बेडिंग और बिना किसी जटिल अतिरिक्त मॉड्यूल की आवश्यकता के एक सरल विशेषता अपघटन तंत्र के माध्यम से टेम्पोरल और इंटरैक्टिव डायनेमिक्स का प्रभावी ढंग से लाभ उठाकर अत्याधुनिक मॉडलों से बेहतर प्रदर्शन करता है।
यह शोध पत्र FlashMLA-ETAP प्रस्तुत करता है, जो एक कुशल ट्रांसपोज़ अटेंशन पाइपलाइन (Efficient Transpose Attention Pipeline) का उपयोग करने वाला एक नवीन ढांचा है, जो WGMMA ऑपरेशन्स को अनुकूलित करके NVIDIA H20 GPU पर मल्टी-हेड लेटेंट अटेंशन (Multi-Head Latent Attention) इन्फरेंस को महत्वपूर्ण रूप से तेज करता है, जिससे उच्च संख्यात्मक स्थिरता बनाए रखते हुए मौजूदा विधियों की तुलना में पर्याप्त गति प्राप्त होती है।
यह शोध पत्र सुदृढीकरण अधिगम (रिनफोर्समेंट लर्निंग) के लिए एक पाठ्यक्रम-निर्देशित अनुकूलन ढांचे का प्रस्ताव करता है जो अनदेखे GNSS स्पूफिंग हमलों के तहत सुदृढ़ UAV विसंघटन (डीकन्फ्लिक्शन) और सीमित प्रदर्शन ह्रास सुनिश्चित करने के लिए बढ़ती प्रतिकूल तीव्रताओं के बीच टेम्पोरल-डिफरेंस त्रुटि वितरणों को संरेखित करता है।
यह शोध पत्र प्रस्तावित करता है कि लार्ज लैंग्वेज मॉडल्स (Large Language Models) में इन-कॉन्टेक्स्ट लर्निंग (in-context learning) एक ऐसी प्रक्रिया से उत्पन्न होती है जहाँ सेल्फ-अटेंशन लेयर्स (self-attention layers) फॉरवर्ड पास के दौरान एमएलपी वेट्स (MLP weights) में निहित रूप से लो-रैंक अपडेट्स (low-rank updates) प्रेरित करती हैं, जो वास्तविक वेट परिवर्तनों के बिना प्रदान किए गए कॉन्टेक्स्ट उदाहरणों पर प्रशिक्षण के गणितीय रूप से समकक्ष है।
यह शोध पत्र CoMPAS3D प्रस्तुत करता है, जो एक व्यापक डेटासेट और बेंचमार्क है जिसमें विभिन्न कौशल स्तरों के 18 नर्तकों के 3 घंटे के एनोटेटेड पार्टनर साल्सा मोशन (partner salsa motion) शामिल हैं, जिसे मूव लेजिबिलिटी (move legibility) और प्रोफिशिएंसी अप्रोप्रिएटनेस (proficiency appropriateness) के लिए नवीन मेट्रिक्स का उपयोग करके इंटरैक्टिव ह्यूमनॉइड रोबोट्स का मूल्यांकन करने के लिए डिज़ाइन किया गया है, जो मौजूदा किनेमैटिक-आधारित ढांचों की सीमाओं को संबोधित करते हैं।