22578 पेपर
यह शोध पत्र ऑटोएनकोडर और वेरिएशनल-ऑटोएनकोडर के लेटेंट स्पेस (latent spaces) के निदान के लिए स्पिन-ग्लास थ्योरी को लागू करने का प्रस्ताव करता है, यह प्रदर्शित करते हुए कि "एज-ऑफ-स्टेबिलिटी" (edge-of-stability) चरणों की पहचान करना और उनका लाभ उठाना इमेज जनरेशन और विसंगति पहचान (anomaly detection) दोनों कार्यों में प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह शोध पत्र यह प्रदर्शित करता है कि विसंगति का पता लगाने (anomaly detection) के लिए डेटासेट के भीतर क्लास-स्प्लिट मूल्यांकन तब अनिश्चित (ill-posed) हो सकता है और अस्थिर या उलटे स्कोर उत्पन्न कर सकता है जब होल्ड-आउट विसंगति कक्षाएं (held-out anomaly classes) प्रतिनिधित्व स्थान (representation space) में सामान्य डेटा के साथ ओवरलैप होती हैं, जो विभिन्न डेटासेट्स और फीचर स्पेस में ऐसे विफलताओं की भविष्यवाणी करने के लिए "नेबरहुड क्लास लीकेज" नामक एक प्रशिक्षण-मुक्त नैदानिक (training-free diagnostic) का प्रस्ताव करता है।
यह शोध पत्र StenCE को प्रस्तुत करता है, जो एक क्रॉस-मोडल कंट्रास्टिव लर्निंग फ्रेमवर्क है जो एंजियोग्राफी का लाभ उठाकर ECG मॉडल्स को प्रीट्रेन करता है, जिससे प्रारंभिक निदान के लिए गैर-आक्रामक (non-invasive) ECG संकेतों से गंभीर कोरोनरी आर्टरी स्टेनोसिस का पहला उच्च-प्रदर्शन डिटेक्शन सक्षम होता है।
ReLoRA एक ज्ञान-पुन:उपयोग करने वाला ढांचा (framework) है जो अनुकूलता-जागरूक आरंभीकरण (compatibility-aware initialization) के लिए बेयसियन अनुकूलन (Bayesian optimization) और तीव्र फाइन-ट्यूनिंग के लिए शेड्यूल्ड रेगुलेराइजेशन (scheduled regularization) का उपयोग करके विकसित होते लार्ज लैंग्वेज मॉडल सेवाओं के लिए कार्य-विशिष्ट लोरा (LoRA) एडेप्टर को कुशलतापूर्वक पुनर्स्थापित करता है, जिससे मौजूदा बेसलाइन की तुलना में पुन: अनुकूलन समय काफी कम हो जाता है और सटीकता में सुधार होता है।
यह शोध पत्र ज्योमेट्री-अवेयर टैबुलर डिफ्यूजन (GATD) को प्रस्तुत करता है, जो एक ऐसी विधि है जो स्पष्ट युग्वतीय ज्यामितीय संबंधों (कोणों और लंबाई) को सहायक पर्यवेक्षण के रूप में शामिल करके टैबुलर डेटा संश्लेषण को उन्नत करती है, जिससे काफी कम मापदंडों के साथ अत्याधुनिक प्रदर्शन प्राप्त होता है और यह प्रदर्शित होता है कि यह संबंधात्मक इंडक्टिव बायस विभिन्न डिफ्यूजन आर्किटेक्चर में एक पोर्टेबल सुधार है।
यह शोध पत्र एक मार्कोव-पास्तुर (Marchenko-Pastur) वितरण-आधारित प्रूनिंग फ्रेमवर्क प्रस्तुत करता है जो घटकों को हटाने के लिए नियत सैद्धांतिक प्रमाण प्रदान करके न्यूनतम फाइन-ट्यूनिंग के साथ डीप न्यूरल नेटवर्क में उच्च-सटीकता प्रतिधारण प्राप्त करता है, जो ImageNet-1k पर ViT, ResNet और ConvNeXt जैसे विभिन्न आर्किटेक्चरों में महत्वपूर्ण प्रदर्शन और दक्षता लाभ प्रदर्शित करता है।
यह शोध पत्र मतिभ्रम (hallucinations) और अस्पष्टता को संबोधित करने के लिए चार प्रशिक्षण सुधारों को पेश करके एक्टिवेशन ओरेकल्स (AOs) को उन्नत करता है, साथ ही स्केलेबल, एंड-टू-एंड व्याख्यात्मकता को आगे बढ़ाने के लिए पहले व्यापक मूल्यांकन सूट, AObench को जारी करता है।
समुद्र (Samudra) 2 एक उन्नत ऑटोरेग्रेसिव न्यूरल ओशन एमुलेटर है जो वास्तुशिल्प और लॉस-फंक्शन नवाचारों के माध्यम से रिज़ॉल्यूशन और दीर्घकालिक स्थिरता की पिछली सीमाओं को पार करता है, जिससे एक एकल GPU पर रिज़ॉल्यूशन तक उच्च-सटीक, बहु-वर्षीय वैश्विक सिमुलेशन सक्षम होता है।
यह शोध पत्र एक नवीन फिजिक्स-इन्फॉर्मड न्यूरल नेटवर्क (PINN) आर्किटेक्चर प्रस्तावित करता है जो ऑसिलेटरी स्टेट-स्पेस डायनेमिक्स और PDE-अवेयर स्पेक्ट्रल बेसिस को एकीकृत करता है ताकि फॉरवर्ड, इनवर्स और हाई-डायमेंशनल समस्याओं में बेहतर सटीकता और कम मेमोरी उपयोग के साथ टाइम-डिपेंडेंट पार्शियल डिफरेंशियल इक्वेशंस को कुशलतापूर्वक हल किया जा सके।
यह शोध पत्र TadA-Bench प्रस्तुत करता है, जो TadA निर्देशित विकास (directed evolution) के 31 दौरों से प्राप्त दस लाख-वेरिएंट वाला एक बेंचमार्क है, जो ऐतिहासिक डेटा के आधार पर अनदेखे वेरिएंट्स को रैंक करके भविष्य के वेट-लैब प्रयोगों को प्राथमिकता देने की एआई मॉडल्स की क्षमता का मूल्यांकन करता है, जिससे यह पता चलता है कि वर्तमान प्रणालियाँ मजबूत इंटरपोलेशन क्षमताओं के बावजूद भविष्य के दौरों की खोज करने में संघर्ष करती हैं।