22920 पेपर
यह शोधपत्र CLIP के लिए एक नवीन एडवरसैरियल फाइन-ट्यूनिंग पद्धति प्रस्तावित करता है जो आउटपुट्स को डिरिचलेट कंसंट्रेशन पैरामीटर्स के रूप में पुन: पैरामीटराइज करता है ताकि कैलिब्रेटेड अनसर्टेन्टी (अनिश्चितता) को बहाल करने और मजबूत ज़ीरो-शॉट सटीकता बनाए रखने को एक साथ सुलभ बनाया जा सके, जो उस महत्वपूर्ण समस्या का समाधान करता है जहाँ एडवरसैरियल परटर्बेशन्स आमतौर पर अनसर्टेन्टी को दबा देते हैं और ओवर-कॉन्फिडेंस का कारण बनते हैं।
यह शोध पत्र स्पार्स ऑटोएन्कोडर कॉन्सेप्ट एक्टिवेशन्स का उपयोग करने वाली एक अनसुपरवाइज्ड विधि प्रस्तुत करता है जो "मॉडल गैप्स" (लार्ज लैंग्वेज मॉडल्स की विशिष्ट कमजोरियां) और "बेंचमार्क गैप्स" (कवरेज असंतुलन) दोनों को स्वचालित रूप से पहचानने और विघटित करने के लिए, मौजूदा मानकीकृत बेंचमार्क के पूरक के रूप में एक सूक्ष्म, कॉन्सेप्ट-स्तरीय मूल्यांकन प्रदान करता है।
यह शोध पत्र NOS-Gate को प्रस्तुत करता है, जो उपभोक्ता गेटवे के लिए एक हल्का, कतार-जागरूक (queue-aware) स्ट्रीमिंग घुसपैठ पहचान प्रणाली है, जो सख्त CPU और विलंबता बजट को बनाए रखते हुए समय-नियंत्रित बचाव हमलों (timing-controlled evasion attacks) का प्रभावी ढंग से पता लगाने के लिए नेटवर्क-अनुकूलित स्पाइकिंग डायनेमिक्स और केवल मेटाडेटा-आधारित विश्लेषण का लाभ उठाता है।
यह शोध पत्र "अवतार फॉरसिंग" (Avatar Forcing) प्रस्तुत करता है, जो एक रियल-टाइम इंटरैक्टिव हेड अवतार फ्रेमवर्क है, जो मल्टीमॉडलल यूजर इनपुट्स के प्रति लो-लेटेंसी, अभिव्यंजक और भावनात्मक रूप से आकर्षक अवतार प्रतिक्रियाएं उत्पन्न करने के लिए डिफ्यूजन फॉरसिंग और लेबल-फ्री डायरेक्ट प्रेफरेंस ऑप्टिमाइजेशन का उपयोग करता है।
यह शोध पत्र फोनोन फाइन-ट्यूनिंग (PFT) प्रस्तुत करता है, जो एक स्केलेबल विधि है जो विब्रेशनल और थर्मल गुणों की सटीकता में महत्वपूर्ण सुधार करने के लिए पोटेंशियल एनर्जी सरफेस में कर्वेचर त्रुटियों को ठीक करने हेतु DFT-व्युत्पन्न फोर्स कांस्टेंट्स के साथ मशीन लर्निंग आधारित इंटरएटॉमिक पोटेंशियल को सीधे सुपरवाइज करती है।
यह शोध पत्र एक सिमेंटिक-जियोमेट्रिक ग्राफ-आधारित प्रतिनिधित्व प्रस्तुत करता है जो विभिन्न कार्य संरचनाओं और रोबोट स्वरूपों में सुदृढ़ द्विपक्षीय हेरफेर नियोजन (bimanual manipulation planning) को सक्षम करने के लिए कार्य-अज्ञेय एनकोडिंग (task-agnostic encoding) को एक्शन-कंडीशन्ड डिकोडिंग से अलग करता है, जो मौजूदा बेसलाइन की तुलना में वास्तविक-रोबोट कार्यों पर बेहतर प्रदर्शन प्राप्त करता है।
यह शोध पत्र PhysE-Inv प्रस्तुत करता है, जो एक नवीन ढांचा है जो विरल अवलोकनों से आर्कटिक हिम गहराई (स्नो डेप्थ) की सटीक भविष्यवाणी करने के लिए डीप सीक्वेंशियल लर्निंग को फिजिक्स-इन्फॉर्म्ड इन्फरेंस और कॉन्ट्रास्टिव रेगुलराइजेशन के साथ संयोजित करता है, जो पुनर्निर्माण और पैरामीटर अनुमान दोनों कार्यों में मौजूदा बेसलाइनों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र एक ग्रुप डिस्ट्रीब्यूशनली रोबस्ट ऑप्टिमाइज़ेशन समस्या को हल करके, जो समूह वितरणों के कॉनवेक्स कॉम्बिनेशन पर वर्स्ट-केस स्क्वेयर्ड लॉस को कम करता है, मनमाने लेबल नॉइज़ और ग्रुप-लेवल डिस्ट्रीब्यूशनल शिफ्ट्स के तहत एक सिंगल न्यूरॉन को मजबूती से सीखने के लिए एक कम्प्यूटेशनल रूप से कुशल प्राइमल-डुअल एल्गोरिदम प्रस्तुत करता है, जो कॉन्स्टेंट-फैक्टर कॉम्पिटिटिव गारंटी प्रदान करता है और LLM प्री-ट्रेनिंग बेंचमार्क पर अपनी क्षमता प्रदर्शित करता है।
यह शोधपत्र सरल और एकदिष्ट लाइकलीहुड रेश्यो (monotone likelihood ratio) परिकल्पनाओं के लिए एक नियर-ऑप्टिमल डिफरेंशियल प्राइवेट टेस्टिंग फ्रेमवर्क प्रस्तुत करता है, जो टाइप I एरर के कठोर नियंत्रण को बनाए रखते हुए गैर-निजी परीक्षणों के तुलनीय एसिम्प्टोटिक रिलेटिव एफिशिएंसी प्राप्त करने के लिए डेटा-ड्रिवन क्लैम्पिंग के साथ एक प्राइवेट मीन एस्टीमेटर का उपयोग करता है।
SurrogateSHAP एक प्रशिक्षण-मुक्त (training-free) ढांचा है जो टेक्स्ट-टू-इमेज मॉडल्स में डेटा योगदानों के श्रेय निर्धारण के लिए शैप्ली मानों (Shapley values) को कुशलतापूर्वक अनुमानित करता है, जो पारंपरिक पुन:प्रशिक्षण-आधारित विधियों की कम्प्यूटेशनल बाधाओं को दूर करने के लिए एक पूर्व-प्रशिक्षित मॉडल और एक ग्रेडिएंट-बूस्टेड ट्री का लाभ उठाता है, जिससे निष्पक्ष मुआवजा, स्केलेबल ऑडिटिंग और स्पूरियस सहसंबंधों (spurious correlations) की पहचान सक्षम होती है।