23088 पेपर
यह शोध पत्र एक रिमानियन अनुकूलन ढांचे (Riemannian optimization framework) का प्रस्ताव करता है जिसमें एक नवीन ब्लॉक-डायगोनल मेट्रिक और एक ट्यूनिंग-मुक्त गॉस-न्यूटन एल्गोरिदम है ताकि उनके अंतर्निहित स्केलिंग सिमिट्रीज़ (scaling symmetries) को संबोधित करते हुए हैडमर्ड उत्पादों के तहत लो-रैंक मैट्रिसेस को कुशलतापूर्वक सीखा जा सके।
यह शोध पत्र असंतुलित प्रतिगमन (इम्बैलेंस्ड रिग्रेशन) के लिए एक एकीकृत हाइब्रिड फ्रेमवर्क प्रस्तावित करता है जो मौजूदा स्टैंडअलोन विधियों की सीमाओं को प्रभावी ढंग से संबोधित करने और दुर्लभ लक्ष्य मानों पर भविष्य कहनेवाला प्रदर्शन में सुधार करने के लिए अनुकूल डेटा-स्तर संतुलन (लक्ष्य-सशर्त प्रतिनिधित्व शिक्षण और फीचर-स्पेस क्लस्टरिंग के माध्यम से) को एक नवीन एल्गोरिदम-स्तर के लेटेंट-डेंसिटी वेटेड लॉस के साथ जोड़ता है।
यह शोध पत्र DAGGER को प्रस्तुत करता है, जो एक ग्रेडिएंट-मुक्त (gradient-free), सिंगल-पास एल्गोरिदम है जो सख्त साइन (sign), स्पार्सिटी (sparsity) और डायगोनल (diagonal) बाधाओं के तहत एक वासेरस्टीन-2 बजट (Wasserstein-2 budget) को अनुकूलित करके क्षणिक रूप से प्रवर्धित (transiently amplifying) नेटवर्क का निर्माण करता है, जो मौजूदा ग्रेडिएंट-आधारित विधियों की तुलना में आदेशों-से-अधिक (orders-of-magnitude) उच्च प्रवर्धन और काफी अधिक कम्प्यूटेशनल दक्षता प्राप्त करता है।
यह शोधपत्र अनुक्रमिक परिवर्तन पहचान (sequential change detection) के बाद चेंजपॉइंट्स को स्थानीयकृत करने के लिए पोस्ट-डिटेक्शन कॉन्फिडेंस सेट्स (post-detection confidence sets) के निर्माण हेतु पहला सामान्य वितरण-मुक्त ढांचा (general distribution-free framework) प्रस्तुत करता है, जो पूर्व या पश्चात के वितरणों के पूर्व ज्ञान की आवश्यकता के बिना परिमित-नमूना कवरेज गारंटी (finite-sample coverage guarantees) और सीमित कॉन्फिडेंस सेट आकार प्रदान करता है।
यह शोधपत्र मोरलट पोजीशनल एनकोडिंग (MoPE) प्रस्तुत करता है, जो एक नवीन ढांचा है जो साइनुसोइडल और रोटरी पोजीशनल एनकोडिंग को एक सीखने योग्य वेवलेट-आधारित दृष्टिकोण के सीमित मामलों के रूप में एकीकृत करता है, जो स्थिति और स्थानीयता को एक साथ एनकोड करते हुए वेवलेट एडमिसिबिलिटी बाउंड्री की ओर अभिसरित होकर ट्रांसफॉर्मर मॉडल में बेहतर प्रदर्शन प्रदर्शित करता है।
GLIDE एक ग्राफ-गाइडेड कंडीशनल डिफ्यूजन फ्रेमवर्क है जो सैंपलिंग लागत को कम करने और स्थानिक स्थानीयकरण (spatial localization) में सुधार करके स्पैटियो-टेम्पोरल पॉइंट प्रोसेस को कुशलतापूर्वक और सटीक रूप से मॉडल करने के लिए मल्टी-स्केल ऐतिहासिक ग्राफ और एक प्रायर-गाइडेड लीप इन्फरेंस मैकेनिज्म का लाभ उठाता है।
KG-FairDiff एक मॉडल-अज्ञेय (model-agnostic), इन्फरेंस-टाइम फ्रेमवर्क है जो टेक्स्ट-टू-इमेज प्रॉम्प्ट्स को परिष्कृत करने के लिए एक नॉलेज ग्राफ और एक क्लोज्ड-लूप ऑप्टिमाइज़ेशन प्रक्रिया का लाभ उठाता है, जो महंगी मॉडल रिट्रेनिंग की आवश्यकता के बिना, जनसांख्यिकीय और सांस्कृतिक पूर्वाग्रहों को प्रभावी ढंग से कम करते हुए सिमेंटिक फिडेलिटी (semantic fidelity) को बनाए रखता है।
BenchEvolver एक समाधान-केंद्रित विकासवादी ढांचा (evolutionary framework) है जो संदर्भ समाधानों (reference solutions) को विकसित करके मौजूदा कोडिंग समस्याओं को स्वचालित रूप से कठिन, सत्यापन योग्य वेरिएंट में बदल देता है, जिससे LiveCodeBench-Plus जैसे उच्च-गुणवत्ता वाले बेंचमार्क बनते हैं जो मॉडल भेदभाव (model discrimination) को बहाल करते हैं और आत्म-सुधार के लिए प्रभावी प्रशिक्षण संकेत प्रदान करते हैं।
यह शोध पत्र नॉलेज डिस्टिलेशन (Knowledge Distillation) और वीक-टू-स्ट्रॉन्ग जनरलाइजेशन (Weak-to-Strong generalization) में ज्ञान हस्तांतरण की प्रभावकारिता को समझाने के लिए, क्रमशः स्पेक्ट्रल होराइजन एक्सपेंशन (Spectral Horizon Expansion) और स्पेक्ट्रल डीनॉइजिंग (Spectral Denoing) के उनके विशिष्ट तंत्रों को अभिलक्षणित करते हुए, हाई-डायमेंशनल लीनियर रिग्रेशन में SGD डायनेमिक्स का एक एकीकृत स्पेक्ट्रल विश्लेषण स्थापित करता है।
यह शोध पत्र कर्वेचर-कंडीशन्ड क्वेरी (CCQ) को प्रस्तुत करता है, जो एक लागत प्रभावी तंत्र है जो रनिंग की कोवेरिएंस (running key covariance) से प्राप्त कर्वेचर अनुमान का उपयोग करके उच्च-घनत्व मेमोरी दिशाओं के साथ क्वेरीज को संकुचित (contracting) करता है, जिससे अंतर्निहित लीनियर अटेंशन बैकबोन को बदले बिना उपयोगी लक्ष्यों के विसरण (dilution) को कम करके लीनियर अटेंशन के इन-कॉन्टेक्स्ट रिट्रीवल और लॉन्ग-कॉन्टेक्स्ट प्रदर्शन को बढ़ाता है।