22578 पेपर
Assistax एक ओपन-सोर्स, मल्टी-एजेंट रीइन्फोर्समेंट लर्निंग बेंचमार्क है जो सहायक रोबोटिक्स (assistive robotics) के लिए है और यह CPU-आधारित विकल्पों की तुलना में 370 गुना तक तेज़ प्रशिक्षण गति प्राप्त करने के लिए JAX हार्डवेयर एक्सेलेरेशन का लाभ उठाता है, जबकि यह रोबोटिक एजेंटों और विविध मानव भागीदारों के बीच ज़ीरो-शॉट कोऑर्डिनेशन का मूल्यांकन करता है।
OASIS एक लुकअप टेबल-आधारित आर्किटेक्चर है जो ड्यूल-साइड क्वांटाइजेशन, आउटलियर-अवेयर एरर कंपनसेशन और एक नवीन टॉप-k डिटेक्शन इंजन के माध्यम से गैर-समान रूप से क्वांटाइज्ड वेट्स और एक्टिवेशन्स के साथ कुशल जनरल मैट्रिक्स मल्टीप्लिकेशन को सक्षम करके LLM इन्फरेंस को त्वरित करता है, जिससे मौजूदा तरीकों की तुलना में गति, ऊर्जा दक्षता और सटीकता में महत्वपूर्ण सुधार होता है।
यह शोधपत्र AlphaEval को प्रस्तुत करता है, जो एक एकीकृत, समानांतर करने योग्य (parallelizable) और बैकटेस्ट-मुक्त मूल्यांकन ढांचा है, जो मौजूदा मेट्रिक्स की कम्प्यूटेशनल अक्षमताओं और सीमित दायरे को दूर करने के लिए पांच आयामों—पूर्वानुमानित शक्ति, स्थिरता, मजबूती, वित्तीय तर्क और विविधता—में स्वचालित अल्फा माइनिंग मॉडलों का आकलन करता है और ओपन-सोर्स टूल के माध्यम से पुनरुत्पादकता (reproducibility) को बढ़ावा देता है।
यह शोध पत्र Igloo को प्रस्तुत करता है, जो एक मल्टीमॉडल एंटीबॉडी लूप टोकेनाइज़र है जो कैनोनिकल क्लस्टर्स की कवरेज सीमाओं को दूर करने के लिए बैकबोन डायहेड्रल एंगल्स और सीक्वेंस को एनकोड करता है, जिससे बेहतर एंटीबॉडी लूप रिट्रीवल, बाइंडिंग एफिनिटी प्रेडिक्शन और स्ट्रक्चरल डिज़ाइन के लिए प्रोटीन फाउंडेशन मॉडल्स को उन्नत किया जा सके।
यह शोध पत्र एक विकेंद्रीकृत सामान्यीकृत स्टोकेस्टिक ग्रेडिएंट डिसेंट (DNSGD) एल्गोरिदम का प्रस्ताव करता है और सामान्यीकृत -स्मूथनेस स्थिति के तहत विकेंद्रीकृत स्टोकेस्टिक नॉनकॉन्वेक्स ऑप्टिमाइज़ेशन के लिए इष्टतम नमूना और संचार जटिलता प्राप्त करने हेतु एक नया लियापुनोव-आधारित विश्लेषण ढांचा स्थापित करता है।
यह शोध पत्र C-FREE को प्रस्तुत करता है, जो एक कंट्रास्ट-फ्री (contrast-free) सेल्फ-सुपरवाइज्ड प्रीट्रेनिंग फ्रेमवर्क है जो स्टेट-ऑफ-द-आर्ट मॉलिक्यूलर रिप्रेजेंटेशन लर्निंग प्राप्त करने के लिए ईगो-नेट सबग्राफ प्रेडिक्शन के माध्यम से 2D टोपोलॉजी और 3D कन्फॉर्मर एंसेम्बल्स को एकीकृत करता है, जिसमें बिना किसी नेगेटिव्स या जटिल ऑग्मेंटेशन्स के यह कार्य किया जाता है।
यह शोध पत्र एलाइनमेंट-अवेयर डिकोडिंग (AAD) प्रस्तुत करता है, जो एक इन्फरेंस-टाइम विधि है जो बिना किसी विशेष प्रशिक्षण की आवश्यकता के निहित रिवॉर्ड ऑप्टिमाइज़ेशन के माध्यम से लार्ज लैंग्वेज मॉडल एलाइनमेंट को बढ़ाता है, साथ ही डेटा-सीमित सेटिंग्स में एलाइनमेंट सुधारने के लिए उच्च-गुणवत्ता वाले सिंथेटिक डेटा के निर्माण को भी सक्षम बनाता है।
यह शोधपत्र DeMuon को प्रस्तुत करता है, जो Muon ऑप्टिमाइज़र का पहला विकेंद्रीकृत विस्तार है जो संचार ग्राफ़ (communication graphs) पर मैट्रिक्स अनुकूलन के लिए न्यूटन-शुल्ज़ ऑर्थोगोनालाइज़ेशन (Newton-Schulz orthogonalization) को ग्रेडिएंट ट्रैकिंग के साथ जोड़ता है ताकि भारी-पूंछ वाले शोर (heavy-tailed noise) की स्थितियों में भी प्रमाणित अभिसरण (provable convergence) और उत्कृष्ट प्रदर्शन प्राप्त किया जा सके।
यह शोधपत्र SIT-FUSE को प्रस्तुत करता है, जो एक स्व-पर्यवेक्षित (self-supervised) डीप लर्निंग फ्रेमवर्क है जो हानिकारक शैवाल प्रस्फुटन (algal blooms) की गंभीरता और प्रजाति के निर्धारण के लिए मल्टी- और हाइपरस्पेक्ट्रल उपग्रह डेटा को संलयित (fuse) करता है, जिसके लिए प्रति-उपकरण लेबल वाले डेटासेट की आवश्यकता नहीं है, जो इन-सीटू (in-situ) मापों के साथ मजबूत सहमति प्रदर्शित करता है और स्केलेबल वैश्विक निगरानी को सक्षम बनाता है।
यह शोध पत्र प्रदर्शित करता है कि अर्थ ऑब्जर्वेशन फाउंडेशन मॉडल्स (EOFMs) विविध सेंसर आर्किटेक्चर के प्रति अत्यधिक संवेदनशील हैं, जो यह प्रकट करता है कि इन अंतरों को ध्यान में रखे बिना विभिन्न मोडैलिटीज़ के बीच बैंड्स को मिलाने की वर्तमान प्रथाएं रिप्रजेंटेशन लर्निंग में महत्वपूर्ण खामियों की ओर ले जाती हैं और अधिक सुदृढ़, सेंसर-जागरूक मॉडल डिजाइन की आवश्यकता को रेखांकित करती हैं।