22999 पेपर
यह शोध पत्र एक एनकोडर-ओनली पाइपलाइन का उपयोग करके कच्चे वीडियो पिक्सल से टाइम-इनवेरिएंट सेकंड-ऑर्डर ओडीई (ODE) की स्ट्रक्चरल आइडेंटिफिएबिलिटी (structural identifiability) स्थापित करता है, यह सिद्ध करते हुए कि विशिष्ट प्रक्षेपवक्र स्थितियाँ (trajectory conditions) बिना किसी कंप्यूट-इंटेंसिव पिक्सेल पुनर्निर्माण की आवश्यकता के भौतिक मापदंडों की सटीक रिकवरी को सक्षम बनाती हैं।
यह शोध पत्र बांग्लादेश के कम-संसाधन वाले, बहुभाषी कानूनी दस्तावेजों को वर्गीकृत करने और सारांशित करने के लिए एक नवीन KAN-संवर्धित BiGRU आर्किटेक्चर प्रस्तावित करता है, जो यह प्रदर्शित करता है कि कोलमोगोरोव-आर्नोल्ड नेटवर्क को एकीकृत करने से बेसलाइन मॉडल की तुलना में वर्गीकरण सटीकता 57.34% से बढ़कर 67.96% हो जाती है।
यह शोध पत्र प्रदर्शित करता है कि विज़न ट्रांसफॉर्मर में पोजीशनल एनकोडिंग एक स्थिर, इंडेक्स-एंकरित स्थानिक संरचना स्थापित करने के लिए आवश्यक है जो किसी भी विशिष्ट एनकोडिंग तंत्र के उपयोग के बावजूद, सामग्री-विघटनकारी वितरण परिवर्तनों (content-disrupting distribution shifts) के विरुद्ध मजबूती सुनिश्चित करती है।
यह शोध पत्र प्रदर्शित करता है कि न्यूनतम भाषा मॉडल डेटा से व्युत्पन्न एक आयामी भावनात्मक वैलेंस अक्ष (emotional valence axis) मानव ईईजी (EEG) निरूपणों के साथ संरेखित होता है, लेकिन यह भी प्रकट करता है कि आगे का संरेखण पर्यवेक्षण (alignment supervision) एक "संतृप्ति नियमितता" (saturation regularity) के कारण प्रतिकूल है, जो अवशिष्ट उप-स्थानों (residual subspaces) पर एक नवीन एंसेम्बल रणनीति को प्रेरित करता है जो मस्तिष्क-डिकोडिंग सटीकता में महत्वपूर्ण सुधार करती है।
AI-PROPELLER ने मैजलन (Magellan) नामक एक एजेंटिक वर्कफ़्लो पेश किया है जो सटीक रिवॉर्ड सिग्नल के लिए वास्तविक हार्डवेयर निष्पादन का लाभ उठाकर, बड़े वेयरहाउस-स्केल अनुप्रयोगों के लिए पहले सफल फाइन-ग्रेंड इंटरप्रोसीजरल कोड लेआउट ऑप्टिमाइज़ेशन को प्राप्त करने हेतु प्रोपेलर पोस्ट-लिंक ऑप्टिमाइज़र को विकसित करता है, जिससे 0.23% से 1.6% तक प्रदर्शन सुधार प्राप्त होता है।
यह शोध पत्र यह प्रकट करके कि कैसे मामूली कार्यान्वयन विकल्प मूल्यांकन परिणामों को महत्वपूर्ण रूप से प्रभावित करते हैं और प्रदर्शन से समझौता किए बिना सुदृढीकरण लर्निंग (reinforcement learning) प्रशिक्षण को गति देने वाली तकनीकों को पेश करके, एजेंटिक टूल-कॉलिंग की प्रभावशीलता और दक्षता की जांच करता है।
यह अध्ययन प्रदर्शित करता है कि अनुकूलित डेटा चयन रणनीतियाँ कम आधारभूत सटीकता वाले व्यक्तियों के लिए वियरेबल स्वास्थ्य भविष्यवाणी प्रदर्शन में महत्वपूर्ण सुधार करती हैं, लेकिन मजबूत आधारभूत स्तर वाले लोगों के लिए सीमित या नकारात्मक लाभ प्रदान करती हैं, जो यह सुझाव देता है कि ऐसे तरीकों को प्रारंभिक प्रदर्शन स्तरों के आधार पर चुनिंदा रूप से तैनात किया जाना चाहिए।
यह शोधपत्र BudgetDraft प्रस्तुत करता है, जो एक मल्टी-व्यू प्रशिक्षण विधि है जो स्पार्स-KV ड्राफ्टर को स्वीकृति-जागरूक (acceptance-aware) लर्निंग से सुसज्जित करती है ताकि उच्च टोकन स्वीकृति दर बनाए रखी जा सके और बिना इन्फरेंस-टाइम मेमोरी लागत बढ़ाए मिड-टू-लॉन्ग कॉन्टेक्स्ट स्पेकुलेटिव डिकोडिंग में महत्वपूर्ण एंड-टू-एंड स्पीडअप (6.55x तक) प्राप्त किया जा सके।
RAFT एक दो-चरणीय ढांचा है जो मॉडल-अनुकूल पुनर्लेखन के माध्यम से प्रशिक्षण डेटा को परिष्कृत करके और मॉडल की मूल सामान्य क्षमताओं को संरक्षित करते हुए इन-डोमेन प्रदर्शन में सुधार करने के लिए उत्तर-सशर्त ऑन-पॉलिसी डिस्टिलेशन (answer-conditioned on-policy distillation) का उपयोग करके डोमेन-विशिष्ट फाइन-ट्यूनिंग के दौरान होने वाली कैटास्ट्रोफिक फॉरगेटिंग (catastrophic forgetting) को कम करता है।
यह शोध पत्र ReMax को प्रस्तुत करता है, जो एक पॉलिसी ग्रेडिएंट ऑब्जेक्टिव है जो अन्वेषण (exploration) को कई प्रयासों के अपेक्षित अधिकतम प्रतिफल (expected maximum return) के रूप में औपचारिक रूप देता है, जिससे RePPO का विकास होता है—एक PPO वेरिएंट जो इस ऑब्जेक्टिव को एक निरंतर पुन: प्रयास पैरामीटर (continuous retry parameter) के साथ अनुकूलित करके बिना किसी स्पष्ट बोनस टर्म के प्रभावी, उभरते हुए स्टोकेस्टिक अन्वेषण को प्राप्त करता है।