22775 पेपर
यह शोध पत्र न्यूरल नेविगेशन फंक्शन्स (Neural Navigation Functions) को प्रस्तुत करता है, जो एक हाइब्रिड दृष्टिकोण है जो अनदेखी परिवेश ज्यामितिओं में मजबूत ज़ीरो-शॉट सामान्यीकरण (zero-shot generalization) करने में सक्षम, टकराव-मुक्त और वैश्विक रूप से सुसंगत नेविगेशन नीतियों को उत्पन्न करने के लिए एक संरचित एलिप्टिक प्लानर के भीतर डेटा-संचालित PDE गुणांकों को सीखता है।
यह शोध पत्र TAO-RL का प्रस्ताव करता है, जो एजेंटिक सुदृढीकरण लर्निंग (agentic reinforcement learning) के लिए एक एकीकृत ढांचा है, जो उच्च गुणवत्ता वाले डेटा को सुनिश्चित करने के लिए टूल-अवेयर ट्रैजेक्टरी फ़िल्टरिंग को उच्च-गुणवत्ता वाले डेटा के साथ संयोजित करके और महत्वपूर्ण टूल-इंटरैक्शन बिंदुओं पर विविध अन्वेषण को प्रोत्साहित करने के लिए एक एंट्रॉपी-गाइडेड बोनस को जोड़कर प्रशिक्षण स्थिरता और तर्क क्षमताओं को बढ़ाता है।
यह शोध पत्र एक निरंतर-समय लेवी मिरर फ्लो मॉडल (Lévy mirror flow model) पेश करके यह स्थापित करता है कि स्टोकेस्टिक मिरर डिसेंट (Stochastic Mirror Descent), भारी-पूंछ वाले (heavy-tailed), अनंत-विचरण (infinite-variance) शोर के तहत भी सुदृढ़ बना रहता है और यह सिद्ध करता है कि यह उत्तल (convex) और दृढ़ उत्तल (strongly convex) दोनों उद्देश्यों के लिए बहुपद समय (polynomial time) के भीतर -इष्टतमता (optimality) प्राप्त करता है, जिसके साथ इसके डिस्क्रीट-टाइम वेरिएंट भी इन समान अभिसरण गारंटियों (convergence guarantees) को विरासत में प्राप्त करते हैं।
यह शोध पत्र स्पार्स रैंडम जियोमेट्रिक ग्राफ से प्राप्त कॉन्फ्लिक्ट ग्राफ का विश्लेषण करके, छोटे पैमाने से बड़े पैमाने के वायरलेस नेटवर्क में ग्राफ न्यूरल नेटवर्क की ट्रांसफ़रेबिलिटी (स्थानांतरणीयता) पर सैद्धांतिक सीमाएं स्थापित करता है, और लिंक शेड्यूलिंग प्रयोगों के माध्यम से यह प्रदर्शित करता है कि ये मॉडल मौजूदा बेंचमार्क से बेहतर प्रदर्शन करते हैं और विभिन्न पैमानों पर अपना प्रदर्शन बनाए रखते हैं।
यह शोध पत्र PURGE को प्रस्तुत करता है, जो एक मशीन अनलर्निंग एल्गोरिदम है जो निरंतर सीखने (continual learning) और अनलर्निंग के बीच की द्वैतता का लाभ उठाते हुए ग्रेडिएंट प्रोजेक्शन बाधाओं को मल्टी-लेयर रिप्रेजेंटेशन इरेज़र और एक रिटेन-कंफ्यूजन लक्ष्य के साथ जोड़ता है ताकि मॉडल की उपयोगिता को बनाए रखते हुए और मेंबरशिप इंफरेंस हमलों का प्रतिरोध करते हुए विशिष्ट डेटा को प्रभावी ढंग से हटाया जा सके।
TreeFlash एक नवीन समानांतर स्पेक्युलेटिव डिकोडिंग विधि है जो ऑटोरेग्रेसिव डिस्ट्रीब्यूशन को अनुमानित करने के लिए एक MLP लेयर को शामिल करके वन-शॉट ब्लॉक ड्राफ्टर्स को उन्नत करती है, जिससे निरंतर डिकोडिंग टाइम कॉम्प्लेक्सिटी बनाए रखते हुए ब्लॉक दक्षता और स्पीडअप में महत्वपूर्ण सुधार होता है।
यह शोध पत्र डायनेमिक शॉर्ट कन्वोल्यूशन (dynamic short convolutions) को प्रस्तुत करता है, जो एक इनपुट-निर्भर न्यूरल प्रिमिटिव (neural primitive) है जो विभिन्न आर्किटेक्चर और कार्यों में मानक और स्टैटिक कन्वोल्यूशन वेरिएंट्स से बेहतर प्रदर्शन करते हुए, कस्टम ट्राइटन कर्नेल (custom Triton kernels) के माध्यम से हार्डवेयर दक्षता बनाए रखते हुए, ट्रांसफॉर्मर के प्रदर्शन और स्केलिंग दक्षता को बढ़ाता है।
यह शोध पत्र TAGSAM का प्रस्ताव करता है, जो टेक्स्ट-एट्रिब्यूटेड ग्राफ्स के लिए एक नवीन ग्राफ कंडेंसेशन विधि है, जो नोड विवरणों को संकुचित करने के लिए सबग्राफ टेक्स्ट चयन और टोपोलॉजी संपीड़न को स्थिर करने के लिए एट्रिब्यूट समानता मिलान का उपयोग करके प्रशिक्षण दक्षता और सटीकता में महत्वपूर्ण सुधार करता है, और अत्यधिक संपीड़न अनुपातों पर भी अत्याधुनिक बेसलाइनों से बेहतर प्रदर्शन करता है।
यह शोध पत्र निरंतर सीखने वाले (continual learning) सिस्टम का अधिक व्यापक रूप से मूल्यांकन करने के लिए 'फ्यू-शॉट इवैल्यूएशन' और एक नवीन "पर-शॉट प्लास्टिसिटी" मीट्रिक प्रस्तावित करता है, जो यह प्रदर्शित करता है कि भविष्य के कार्यों के मेटा-लर्निंग के माध्यम से दूरदर्शिता को शामिल करना 'लर्निंग-टू-लर्न' क्षमताओं को बढ़ाता है।
यह शोध पत्र "क्लस्टर्ड सेल्फ-असेसमेंट" (Clustered Self-Assessment) का प्रस्ताव करता है, जो एक सरल और कुशल विधि है जो जनरेट किए गए नमूनों को स्व-मूल्यांकन के लिए अर्थपूर्ण विकल्पों में क्लस्टर करके लार्ज लैंग्वेज मॉडल्स में अनिश्चितता परिमाणीकरण (uncertainty quantification) में सुधार करती है, और न्यूनतम अतिरिक्त सैंपलिंग के साथ भी लगातार मौजूदा बेसलाइनों से बेहतर प्रदर्शन करती है।