23088 पेपर
यह शोधपत्र डिफ्यूजन मॉडल्स को विनाश के माध्यम से सूचना रोकने की एक लचीली रणनीति के रूप में पुनर्गठित करता है, डेटा-दुर्लभ सेटिंग्स में उनकी क्षमता का तर्क देता है, और एक डिफ्यूजन-नेटिव ढांचे के भीतर अन्वेषण चुनौतियों को संबोधित करने के लिए भविष्य की दिशाओं का पता लगाता है।
यह अध्ययन प्रदर्शित करता है कि पर्यवेक्षित प्रशिक्षण (supervised training) कृत्रिम तंत्रिका नेटवर्क और मानव प्रारंभिक दृश्य वल्कुट (early visual cortex) के बीच संरेखण को तेजी से कम कर देता है, जिसमें बैकप्रोपैगेशन (backpropagation) जैसे वैश्विक त्रुटि-आधारित शिक्षण नियम, प्रेडिक्टिव कोडिंग (predictive coding) और एसटीडीपी (STDP) जैसे जैविक रूप से प्रशंसनीय स्थानीय नियमों की तुलना में काफी अधिक व्यवधान उत्पन्न करते हैं, जो यह सुझाव देता है कि अप्रशिक्षित आर्किटेक्चर स्वाभाविक रूप से इंडक्टिव बायस (inductive biases) के माध्यम से निम्न-स्तरीय दृश्य सांख्यिकी को कैप्चर करते हैं।
यह शोध पत्र एक विचरण-न्यूनीकृत (variance-reduced) ज़ीरो-ऑर्डर लैंग्विन सैंपलिंग विधि प्रस्तुत करता है जो बिना ग्रेडिएंट एक्सेस के उच्च-आयामी गैर-लॉग-कॉन्केव वितरणों के लिए पहले गैर-अनंतस्पर्भी अभिसरण (non-asymptotic convergence) गारंटी प्राप्त करता है, और इस ढांचे को प्री-ट्रेन्ड स्कोर-आधारित प्रायर्स के साथ ब्लैक-बॉक्स व्युत्क्रम समस्याओं को हल करने के लिए एक नवीन एल्गोरिदम, ZO-APMC विकसित करने में लागू करता है।
यह शोध पत्र टास्क-विशिष्ट फाइनट्यूनिंग (task-specific finetuning), मोनोलिंगुअल फाइनट्यूनिंग (monolingual finetuning) और एन-ग्राम मॉडल (n-gram models) की तुलना करके गैर-अंग्रेजी भाषाओं के लिए स्पेक्युलेटिव डिकोडिंग दक्षता को बढ़ाने के तरीकों की जांच करता है, जिसमें यह पाया गया है कि जबकि टास्क-विशिष्ट डिस्टिलेशन (task-specific distillation) दक्षता में सुधार करता है लेकिन सामान्यीकरण का अभाव रखता है, वहीं एन-ग्राम मॉडल कम स्वीकृति दरों के बावजूद अपने तीव्र ड्राफ्ट जनरेशन के कारण लगातार महत्वपूर्ण गति-वृद्धि प्रदान करते हैं।
यह शोध पत्र कॉज़ल सेंसिटिविटी स्कोर (CSS) को प्रस्तुत करता है, जो एक हस्तक्षेप संबंधी मीट्रिक (interventional metric) है जो मानक कवरेज-आधारित बेंचमार्क पर नैदानिक एआई मॉडलों के प्रदर्शन और रोगी डेटा में महत्वपूर्ण परिवर्तनों के प्रति उनकी वास्तविक प्रतिक्रियाशीलता के बीच महत्वपूर्ण विसंगतियों को प्रकट करता है, जिससे छिपी हुई क्षमता प्रोफाइल और वे सार्वभौमिक सुरक्षा ब्लाइंड स्पॉट सामने आते हैं जिन्हें पारंपरिक मूल्यांकन विधियाँ नहीं देख पाती हैं।
यह शोध पत्र गेज-फिक्स्ड ऑर्डिनल नेटवर्क (GON) को प्रस्तुत करता है, जो एक टेम्पोरल कनवोल्यूशनल मॉडल है जो ऑर्डिनल स्कोर्स को निश्चित निर्देशांकों (fixed coordinates) से जोड़कर पूर्वानुमान क्षमता मूल्यांकन में क्रॉस-सिस्टम अस्पष्टता को हल करता है, जिससे विविध गतिशील प्रणालियों में संरचित नियतात्मक गतिकी (structured deterministic dynamics) से असंरचित स्टोकेस्टिक शोर (unstructured stochastic noise) तक सुसंगत पूर्वानुमान क्षमता प्रतिनिधित्व का हस्तांतरण संभव हो पाता है।
यह शोध पत्र क्रॉस-मॉडल संचार के लिए एक सुदृढ़ ढांचे का प्रस्ताव करता है जो सिमेंटिक एंकर प्रोटोटाइप्स को सीखने और एक ज्यामिति-जागरूक समानता मीट्रिक को नियोजित करने के माध्यम से पारंपरिक सापेक्ष निरूपणों (Relative Representations) में सुधार करता है, जिससे विषम न्यूरल आर्किटेक्चर के बीच स्थिर, लगभग लॉसलेस सूचना हस्तांतरण सक्षम होता है।
ScaleMAP एक नवीन आयामी-न्यूनीकरण (dimensionality-reduction) विधि है जो स्थानीय त्रिज्याओं के साथ युग्मवार विस्थापन को सामान्य करके निम्न-आयामी एम्बेडिंग में स्थानीय घनत्व और पड़ोस की संरचना दोनों को संरक्षित करती है, जिससे प्रभावी रूप से उन विरल संरचनाओं और व्यापक घनत्व विविधताओं को पुनः प्राप्त किया जाता है जो अक्सर UMAP और DensMAP जैसी मौजूदा तकनीकों में खो जाते हैं या विकृत हो जाते हैं।
यह शोध पत्र AMNESIA को प्रस्तुत करता है, जो मेडिकल मशीन अनलर्निंग (medical machine unlearning) के लिए पहला बड़े पैमाने का, ओपन-सोर्स बेंचमार्क सुइट है, जिसमें 11 रोग श्रेणियों से 70,000 से अधिक प्रश्न-उत्तर युग्म शामिल हैं, जो यह प्रकट करता है कि वर्तमान अनलर्निंग विधियाँ व्यक्तिगत रोगी डेटा को हटाते समय साझा नैदानिक स्थितियों के ज्ञान को अनजाने में कम कर देती हैं।
यह शोध पत्र फास्ट ट्रांसफॉर्म्स पर आधारित एक नया डिफरेंशियल प्राइवेसी स्केचिंग तंत्र प्रस्तुत करता है जो अत्याधुनिक प्राइवेसी और यूटिलिटी गारंटी प्राप्त करता है और रनटाइम में महत्वपूर्ण सुधार करता है, जिसके परिणामस्वरूप डिफरेंशियल प्राइवेट ऑर्डिनरी लीस्ट स्क्वायर्स के लिए पहला फास्ट एल्गोरिदम प्राप्त होता है।