23088 पेपर
यह सर्वेक्षण एम्बोडीड मैनिपुलेशन (embodied manipulation) में विजन-लैंग्वेज-एक्शन (VLA) मॉडलों की दक्षता में सुधार करने के लिए हालिया दृष्टिकोणों की व्यवस्थित रूप से समीक्षा और वर्गीकरण करता है, जो मॉडल आर्किटेक्चर, धारणा (perception), एक्शन जनरेशन, और प्रशिक्षण/अनुमान (training/inference) रणनीतियों में कम्प्यूटेशनल और मेमोरी संबंधी मांगों को कम करने पर केंद्रित है।
उस प्रशिक्षण डेटा असंतुलन को दूर करने के लिए जो LLMs को Golang के लिए यूनिट टेस्ट प्रभावी ढंग से जेनरेट करने से रोकता है, लेखक Go-UT-Bench पेश करते हैं, जो 5,264 कोड-टेस्ट जोड़ों का एक फाइन-ट्यूनिंग डेटासेट है जो विविध LLM आर्किटेक्चर में मॉडल के प्रदर्शन में महत्वपूर्ण सुधार करता है।
यह शोध पत्र नॉन-पैरामीट्रिक प्रोबेबिलिस्टिक रोबस्टनेस (NPPR) को प्रस्तुत करता है, जो एक व्यावहारिक मीट्रिक है जो वितरण संबंधी अनिश्चितता के तहत रूढ़िवादी जोखिम अनुमान प्रदान करने के लिए डेटा से सीधे एक गॉसियन मिक्स्चर मॉडल के माध्यम से अनुकूलित गड़बड़ी वितरणों (परटर्बेशन डिस्ट्रीब्यूशंस) को सीखता है, जो मौजूदा संभाव्य रोबस्टनेस ढांचों में निश्चित गड़बड़ी वितरणों की अवास्तविक धारणा को संबोधित करता है।
यह शोध पत्र यह स्थापित करता है कि विषम नोड भार (heterogeneous node weights) वाले विकेंद्रीकृत शिक्षण (decentralized learning) में, एक भारित हिल्बर्ट-स्पेस ढांचे के भीतर एक रो-स्टोकेस्टिक मैट्रिक्स (row-stochastic matrix) का उपयोग करना, मानक दोहरे स्टोकेस्टिक (doubly stochastic) दृष्टिकोण की तुलना में प्रमाणित रूप से बेहतर प्रदर्शन करता है, क्योंकि यह उन दंड पदों (penalty terms) को समाप्त करता है जो सहमति त्रुटि (consensus error) को बढ़ाते हैं, जिससे कम अनुकूल स्पेक्ट्रल अंतराल (spectral gaps) होने पर भी तेज़ अभिसरण (convergence) सक्षम होता है।
यह शोध पत्र ऑगमेंटेड स्पेक्ट्रल फीचर लर्निंग (Augmented Spectral Feature Learning) का परिचय देता है, जो नॉनपैरामीट्रिक इंस्ट्रूमेंटल वेरिएबल रिग्रेशन के लिए एक आउटकम-अवेयर (outcome-aware) फ्रेमवर्क है, जो स्पेक्ट्रल मिसअलाइनमेंट के विरुद्ध मजबूती सुनिश्चित करने के लिए फीचर लर्निंग में आउटकम जानकारी को शामिल करके पारंपरिक स्पेक्ट्रल विधियों की सीमाओं को दूर करता है।
यह शोध पत्र डिफ्यूजन मॉडल्स के लिए सॉफ्टली कंस्ट्रेंड डिनोइज़र्स (softly constrained denoisers) प्रस्तुत करता है जो आर्किटेक्चरल इंडक्टिव बायस के रूप में पार्शियल डिफरेंशियल इक्वेशन (PDE) ज्ञान को एकीकृत करते हैं, जिससे समाधान अनुपालन (solution compliance) में सुधार होता है और तब अनुकूलित होने की लचीलापन भी बना रहता है जब शासन करने वाला PDE गलत निर्दिष्ट हो।
यह शोध पत्र FEM-Bench प्रस्तुत करता है, जो कम्प्यूटेशनल मैकेनिक्स कार्यों पर आधारित एक संरचित बेंचमार्क है जिसे वैज्ञानिक रूप से वैध फाइनाइट एलीमेंट मेथड कोड उत्पन्न करने की बड़े भाषा मॉडलों (LLMs) की क्षमता का कड़ाई से मूल्यांकन करने के लिए डिज़ाइन किया गया है, जो यह प्रकट करता है कि अत्याधुनिक मॉडल भी इन गैर-तुच्छ समस्याओं को लगातार हल करने में संघर्ष करते हैं।
यह शोध पत्र I-PERI प्रस्तावित करता है, जो एक नवीन फेडरेटेड एल्गोरिदम है जो एक यूनियन ग्राफ को रिकवर करके और एक टाइटर -मार्कोव इक्विवेलेंस क्लास प्राप्त करने के लिए अतिरिक्त किनारों (edges) को ओरिएंट करके अज्ञात क्लाइंट-स्तरीय हस्तक्षेपों के तहत कॉज़ल डिस्कवरी को सक्षम बनाता है, जबकि अभिसरण (convergence) और गोपनीयता पर सैद्धांतिक गारंटी भी प्रदान करता है।
यह शोध पत्र फ्लो इक्विवेरिएंट वर्ल्ड मॉडल्स (Flow Equivariant World Models) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो आंशिक रूप से प्रेक्षित गतिशील वातावरणों में स्थिर, दीर्घ-क्षितिज भविष्यवाणी सक्षम करने के लिए एक लेटेंट मेमोरी (latent memory) के भीतर समय-पैरामीटराइज्ड समरूपताओं (time-parameterized symmetries) का लाभ उठाता है, जिससे यह सुनिश्चित होता है कि मेमोरी स्व-गतिशीलता और बाहरी वस्तु की गतिशीलता के साथ इक्विवेरिएंट रूप से स्थानांतरित और रूपांतरित होती है।
यह शोध पत्र अनुक्रमिक उप-स्थान शोर इंजेक्शन (sequential subspace noise injection) को प्रस्तुत करता है, जो एक ऐसी विधि है जो प्रमाणित अनलर्निंग (certified unlearning) की सटीकता को महत्वपूर्ण रूप से सुधारने के लिए ऑर्थोगोनल पैरामीटर उप-स्थानों (orthogonal parameter subspaces) में शोर को वितरित करती है और साथ ही कठोर विभेदक गोपनीयता (differential privacy) गारंटियों को बनाए रखती है।