22735 पेपर
यह शोध पत्र प्रकट करता है कि टेक्सचर-ड्रिवन विजुअल लर्निंग मॉडल लो-फ्रीक्वेंसी शॉर्टकट्स से ग्रस्त होते हैं जो सूक्ष्म विवरणों के बजाय तिरछे स्पेक्ट्रल घटकों पर निर्भर करते हैं, और यह प्रदर्शित करता है कि इन लो-फ्रीक्वेंसी फीचर्स को प्रून करने से इन-डिस्ट्रीब्यूशन सटीकता और लो-फ्रीक्वेंसी करप्शन के प्रति मजबूती में सुधार होता है, जबकि यह हाई-फ्रीक्वेंसी मजबूती के लिए एक ट्रेड-ऑफ पेश करता है।
यह शोध पत्र क्वांटम न्यूरल नेटवर्क के लिए एक स्केलेबल प्रशिक्षण ढांचे को प्रस्तुत करता है जो एक सह-डिज़ाइन किए गए आर्किटेक्चर और समानांतरित पैरामीटर-शिफ्ट नियम के माध्यम से ग्रेडिएंट अनुमान लागत को द्विघात (quadratic) से घटाकर लघुगणकीय (logarithmic) जटिलता तक कम करता है, और नैदानिक डेटा इम्प्यूटेशन तथा रोगी उत्तरजीविता भविष्यवाणी के लिए 16-qubit IonQ हार्डवेयर पर सफल, उच्च-प्रदर्शन प्रशिक्षण का प्रदर्शन करता है।
यह शोध पत्र पहचानता है कि शिक्षक की आयु के बजाय, शिक्षक अलगाव काल (teacher isolation periods), स्थिर स्व-ऑन-पॉलिसी डिस्टिलेशन (stable self on-policy distillation) के लिए महत्वपूर्ण हैं, और कैटास्ट्रोफिक स्टेट-ओब्लिवियस कोलैप्स (catastrophic state-oblivious collapse) को रोकने के लिए रिवॉर्ड सुधार और लेंथ-टेल सुरक्षा पर अपडेट को गेट करने हेतु कंसोलिडेशन-गेटेड टीचर रिफ्रेश (Consolidation-Gated Teacher Refresh - CGTR) विधि का प्रस्ताव करता है, जिससे विविध कार्यों में शून्य कोलैप्स और बेहतर प्रदर्शन प्राप्त होता है।
यह शोध पत्र एडवर्सरियल पीसीए (AdvPCA) को प्रस्तुत करता है, जो एक सुदृढ़ अनुकूलन ढांचा (robust optimization framework) है जो सबसे खराब स्थिति वाले लेटेंट परटर्बेशन्स (worst-case latent perturbations) के विरुद्ध अनुकूलित करके स्पार्स प्रिंसिपल कंपोनेंट एनालिसिस प्राप्त करता है, जिसके परिणामस्वरूप एक व्यावहारिक, डेटा-अनुकूल इटरेटिव एल्गोरिदम प्राप्त होता है जिसे सिंथेटिक और वास्तविक दुनिया के जीनोमिक्स डेटासेट दोनों पर मान्य किया गया है।
यह शोधपत्र CauTion को प्रस्तुत करता है, जो एक ऐसा ढांचा है जो सर्वसम्मति फ़िल्टरिंग (consensus filtering), विश्वास-अंशांकित मध्यस्थता (trust-calibrated arbitration) और चक्र मरम्मत (cycle repair) के माध्यम से सांख्यिकीय एल्गोरिदम के एक समूह में LLM डोमेन ज्ञान को एकीकृत करके कारण खोज (causal discovery) को बढ़ाता है, जिससे LLM त्रुटियों और टोकन लागतों को कम करते हुए बेहतर सटीकता और सुदृढ़ता प्राप्त होती है।
यह शोध पत्र TTRL-CoCoV को प्रस्तुत करता है, जो एक नवीन टेस्ट-टाइम रिइन्फोर्समेंट लर्निंग फ्रेमवर्क है जो वेरिफिकेशन-जेनरेशन गैप को दूर करने और लेबल-फ्री सेटिंग्स में हाई, मीडियम और लो-कॉन्फिडेंस सैंपल्स को एडेप्टिवली हैंडल करके Pass@1 और Pass@k प्रदर्शन को महत्वपूर्ण रूप से सुधारने के लिए एक कॉन्फिडेंस-कंडीशन्ड वेरिफिकेशन मैकेनिज्म का लाभ उठाता है।
यह शोध पत्र एक 3D आइसोविस्ट-आधारित (isovist-based) विश्व मॉडल प्रस्तुत करता है जो गति संबंधी कार्यों से भविष्य के दृश्यता-गहराई मानचित्रों (visibility-depth maps) का पूर्वानुमान लगाकर सुगम ज्यामिति (navigable geometry) की भविष्यवाणी करता है, जो मॉडल की लौकिक गतिशीलता (temporal dynamics) में एनकोडेड एक उभरते हुए, क्रॉस-सिटी स्थानिक हस्ताक्षर (cross-city spatial signature) को प्रकट करता है न कि दृश्य उपस्थिति को।
यह शोध पत्र फिजिक्स-गाइडेड पॉलिसी ऑप्टिमाइज़ेशन (PGPO) का प्रस्ताव करता है, जो विस्कस-फ्लुइड डायनेमिक्स (viscous-fluid dynamics) से प्रेरित एक सेल्फ-डिस्टिलेशन विधि है जो स्टेप साइज़ को नियंत्रित करने के लिए म्यूचुअल इंफॉर्मेशन का उपयोग करती है, जिससे प्रशिक्षण स्थिर होता है और साइंस-QA डेटासेट पर मानक SDPO से बेहतर प्रदर्शन करता है।
यह शोध पत्र AnchorMoE का प्रस्ताव करता है, जो एक मल्टीवेरिएट टाइम सीरीज़ क्लासिफिकेशन के लिए 'इंटरप्रिटेबल-बाय-कंस्ट्रक्शन' फ्रेमवर्क है, जो प्रतिस्पर्धी प्रदर्शन प्राप्त करने के लिए ज्यामितीय ऑर्थोगोनैलिटी बाधाओं (geometric orthogonality constraints) और एक अनिश्चितता-जागरूक गेट (uncertainty-aware gate) के साथ 'मिक्सचर-ऑफ-एक्सपर्ट्स' आर्किटेक्चर का लाभ उठाता है, जबकि कच्चे सिग्नल सेगमेंट पर आधारित पारदर्शी, योगात्मक निर्णय लेने की प्रक्रिया सुनिश्चित करता है।
यह शोध पत्र प्रकट करता है कि लार्ज लैंग्वेज मॉडल्स की अंकगणितीय त्रुटियां 'आइसो-रॉ-सम ट्रैजेक्टरी' (Iso-Raw-Sum Trajectory) नामक एक निरंतर लेटेंट स्पेस के भीतर "ज्यामितीय फिसलन" (geometric slippages) से उत्पन्न होती हैं, जो यह समझाने के लिए एक 'नॉयजी क्वांटाइजेशन मॉडल' (Noisy Quantization Model) का प्रस्ताव देता है कि कैसे न्यूरल शोर कैरी प्रोपेगेशन (carry propagation) को बाधित करता है और इन विफलताओं का पता लगाने तथा उन्हें सुधारने के लिए एक ज्यामितीय ढांचा प्रदान करता है।