19764 पेपर
यह शोध पत्र RAMP को प्रस्तुत करता है, जो एक नवीन अनसुपरवाइज्ड लर्निंग विधि है जो जटिल उच्च-आयामी डेटा के लिए अभिव्यंजक मॉडलों में लेटेंट-वैरिएबल वितरणों को कुशलतापूर्वक पुनः प्राप्त करने के लिए एक लचीले, नॉनलीनियर, एमोर्टाइज्ड मैसेज-पासिंग फ्रेमवर्क का लाभ उठाता है, जो पारंपरिक संभाव्य दृष्टिकोणों की स्केलेबिलिटी और ट्रैक्टेबिलिटी सीमाओं को दूर करता है।
यह शोध पत्र KALE को प्रस्तुत करता है, जो एक अनुकूली लॉस-इक्विलिब्रेशन (loss-equilibration) नियंत्रक है जो शोर वाले वेब-स्केल डेटा पर फिक्स्ड-वेट कर्नेल अलाइनमेंट की विफलता को दूर करने के लिए अलाइनमेंट टर्म को गतिशील रूप से रीस्केल करता है, जिससे स्थिर CLIP-DINOv2 प्रशिक्षण सक्षम होता है जो टेक्स्ट-एनकोडर अनुकूलता को बनाए रखते हुए ज़ीरो-शॉट प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह शोध पत्र लो-डेटा न्यूरल सिस्टम आइडेंटिफिकेशन कार्यों में कैलिब्रेटेड अनसर्टेन्टी क्वांटिफिकेशन और रोबस्ट परफॉरमेंस प्राप्त करने के लिए एमोर्टाइज्ड वेरिएशनल इन्फरेंस और लैप्लेस एप्रोक्सिमेशन का उपयोग करते हुए मैनिफोल्ड मेटा-लर्निंग फ्रेमवर्क का एक पूर्णतः प्रोबेबिलिस्टिक विस्तार प्रस्तावित करता है।
यह शोध पत्र "फ्यूचर-फीडबैक स्किल इवोल्यूशन" (future-feedback skill evolution) का प्रस्ताव करता है, जो ओपन-एंडेड संवाद प्रतिक्रियाओं के मूल्यांकन की चुनौती को एक सत्यापन योग्य ऑफलाइन प्रेडिक्शन टास्क में परिवर्तित करता है, जिसमें मॉडल्स को यह पूर्वानुमान लगाने के लिए प्रशिक्षित किया जाता है कि क्या एक दी गई प्रतिक्रिया सकारात्मक या नकारात्मक आगामी उपयोगकर्ता संकेतों की ओर ले जाएगी, जिससे लाइव ट्रैफिक टेस्टिंग की आवश्यकता के बिना पुनरुत्पादक स्व-विकास (self-evolution) सक्षम हो जाता है।
यह शोध पत्र इनएक्सैक्ट स्कोर ऑरेकल एक्सेस (inexact score oracle access) का एक सटीक लक्षण वर्णन स्थापित करता है, यह सिद्ध करते हुए कि सब-गॉसियन (sub-Gaussian) धारणा से भी कमजोर कोई भी त्रुटि सुव्यवस्थित लक्ष्य वितरणों के लिए निष्पक्ष नमूनाकरण (unbiased sampling) को कठिन बना देती है, जिससे पिछले एल्गोरिदम-अज्ञेय परिणाम (algorithm-agnostic results) और सुदृढ़ होते हैं।
यह शोध पत्र एक डीप लर्निंग-आधारित सरोगेट मॉडल प्रस्तुत करता है, विशेष रूप से एक एलएसटीएम (LSTM) आर्किटेक्चर जिसमें कोंकैटिनेटेड कंडीशनिंग और एक फिक्स्ड-मेजरमेंट-स्टेप रिप्रेजेंटेशन का उपयोग किया गया है, जो विविध लोडिंग दरों और एडहेसन रिजीम्स में विस्कोइलास्टिक हर्ट्ज़ियन कॉन्टैक्ट्स में टाइम-रिज़ॉल्व्ड एडहेसिव फोर्सेज की तेजी से और सटीक भविष्यवाणी करता है, जिससे सॉफ्ट रोबोटिक्स और डिज़ाइन ऑप्टिमाइज़ेशन में रियल-टाइम अनुप्रयोग संभव होते हैं।
Mage-Flow एक कॉम्पैक्ट 4B-स्केल फाउंडेशन मॉडल परिवार है जो एक हल्के उच्च-निष्ठा वाले VAE, एक नेटिव-रिज़ॉल्यूशन डिफ्यूजन ट्रांसफार्मर और सिस्टम-स्तरीय अनुकूलन के सह-डिज़ाइन के माध्यम से कुशल, उच्च-रिज़ॉल्यूशन टेक्स्ट-टू-इमेज जनरेशन और निर्देश-आधारित संपादन प्राप्त करता है, जो एक सिंगल GPU पर अल्ट्रा-लो लेटेंसी के साथ प्रतिस्पर्धी प्रदर्शन प्रदान करता है।
यह शोध पत्र GEqTrain को प्रस्तुत करता है, जो एक कॉन्फ़िगरेशन-संचालित ढांचा (framework) है जो डिक्लेरेटिव हाइड्रा (Hydra) कॉन्फ़िगरेशन के माध्यम से डेटासेट सिमेंटिक्स, मॉडल कंपोजिशन और ट्रेनिंग ऑब्जेक्टिव्स को अलग करके विविध 3D वैज्ञानिक कार्यों और जनरेटिव अनुप्रयोगों में इक्विवेरिएंट ग्राफ न्यूरल नेटवर्क के कुशल रिटारगेटिंग को सक्षम बनाता है।
यह शोध पत्र एक हाइब्रिड ब्रोमली-MCM मॉडल प्रस्तुत करता है जो भौतिकी-आधारित ब्रोमली समीकरण को मशीन लर्निंग मैट्रिक्स पूर्णता विधि के साथ जोड़ता है ताकि एक विरल प्रायोगिक डेटासेट से लुप्त मापदंडों का अनुमान लगाकर हजारों अनअध्ययन जलीय इलेक्ट्रोलाइट्स के आयनिक और ऑस्मोटिक गतिविधि गुणांकों की भविष्यवाणी की जा सके।
यह शोध पत्र एक विशिष्ट मल्टी-जेनरेटर GAN फ्रेमवर्क प्रस्तावित करता है जो पारंपरिक असंतुलन-निवारण विधियों की सीमाओं को संबोधित करता है, जो यथार्थवादी, विफलता-प्रकार-विशिष्ट सिंथेटिक नमूने उत्पन्न करके प्रेडिक्टिव मेंटेनेंस सिस्टम में दुर्लभ, गैर-समांगी मशीन विफलताओं का पता लगाने में महत्वपूर्ण सुधार करता है।