cs.LG

The Challenges of Using Reinforcement Learning for Controlling Industrial Energy Systems

यह शोध पत्र वास्तविक दुनिया के औद्योगिक ऊर्जा प्रणालियों, विशेष रूप से एक थर्मल हीटिंग नेटवर्क में सुदृढीकरण अधिगम (reinforcement learning) को तैनात करने की चुनौतियों की जांच करता है, जो आंशिक अवलोकन (partial observability), एक्शन और रिवॉर्ड डिज़ाइन, और सिमुलेशन-टू-रियलिटी गैप जैसे मुद्दों का व्यवस्थित रूप से विश्लेषण करता है जो सिम्युलेटेड और परिचालन वातावरण के बीच महत्वपूर्ण प्रदर्शन अंतर पैदा करते हैं।

LVSA: Training-Free Sparse Attention for Long Video Diffusion

LVSA एक प्रशिक्षण-मुक्त (training-free), मॉडल-अज्ञेय (model-agnostic) ब्लॉक-स्पार्स अटेंशन मैकेनिज्म है जो संरचित विंडोज़ (structured windows) को रोटेटिंग ग्लोबल एंकर्स (rotating global anchors) के साथ जोड़ता है ताकि वीडियो गुणवत्ता को बनाए रखते हुए या उसमें सुधार करते हुए लॉन्ग-वीडियो डिफ्यूजन इन्फरेंस को महत्वपूर्ण रूप से तेज किया जा सके और जनरेशन हॉरिज़न्स का विस्तार किया जा सके, साथ ही अधिक सटीक गुणवत्ता मूल्यांकन के लिए VQeval का परिचय दिया गया है।

Riemannian Diffusion Models on General Manifolds via Physics-Informed Neural Networks

यह शोध पत्र रिमानियन डिफ्यूजन मॉडल के लिए एक सामान्य ढांचे का प्रस्ताव करता है जो क्लोज्ड-फॉर्म हीट कर्नेल की अनुपलब्धता की चुनौती को भौतिकी-सूचित न्यूरल नेटवर्क (physics-informed neural networks) का उपयोग करके मैनिफोल्ड हीट समीकरण को हल करके दूर करता है, जिससे $S^2$, $SO(3)$, और $\mathrm{SPD}(n)$ जैसे विविध मैनिफोल्ड्स पर प्रभावी स्कोर-आधारित जनरेटिव मॉडलिंग सक्षम होती है।

Remembering by Reconstructing: Domain Incremental Learning With Test-Time Training on Video Streams

यह शोध पत्र एक नवीन डोमेन इंक्रीमेंटल लर्निंग फ्रेमवर्क प्रस्तावित करता है जो विशेषीकृत LoRA एडेप्टर के माध्यम से जानबूझकर कैटास्ट्रोफिक फॉरगेटिंग का लाभ उठाता है और एक सेल्फ-सुपरवाइज्ड मास्क ऑटोएनकोडर पर ऑनलाइन टेस्ट-टाइम ट्रेनिंग के माध्यम से डोमेन ज्ञान को पुनः प्राप्त करता है, जो इसे वास्तविक दुनिया के नॉन-स्टेशनरी वीडियो स्ट्रीम के लिए विशेष रूप से प्रभावी बनाता है।

Don't Fool Me Twice: Adapting to Adversity in the Wild with Experience-Driven Reasoning

यह शोध पत्र "Don't Fool Me Twice" प्रस्तावित करता है, जो एक निरंतर सीखने वाला (continual learning) ढांचा है जो ऑनलाइन व्यवधान अवलोकन (online disturbance observation), विजन-लैंग्वेज मॉडल तर्क (vision-language model reasoning), और कर्नेल रिग्रेशन (kernel regression) को जोड़कर मोबाइल एम्बोडेड एजेंटों को अनदेखी, एम्बोडिमेंट-विशिष्ट प्रतिकूलताओं के अनुकूल होने में सक्षम बनाता है ताकि वे विसंगतियों से सीख सकें और भविष्य के नियोजन एवं सुधार (planning and recovery) में सुधार कर सकें।

SWIM: Single-Instance Whole-Body Imitation for swiMming

यह शोधपत्र SWIM का प्रस्ताव करता है, जो एक नवीन सिंगल-इंस्टेंस इमिटेशन लर्निंग पद्धति है जो फुल-बॉडी कोऑर्डिनेशन, अस्थिर फ्लूइड इंटरैक्शन और धीमी सिमुलेशन की चुनौतियों पर विजय पाकर भौतिक रूप से आधारित पात्रों को सुदृढ़, सामान्यीकरण योग्य और डेटा-कुशल तैराकी गतियां उत्पन्न करने में सक्षम बनाती है।

Not All Synthetic Data Is Yours to Learn From

यह शोध पत्र यह प्रदर्शित करता है कि प्रॉम्प्ट-मुक्त स्व-प्रशिक्षण (prompt-free self-training) भाषा मॉडल की क्षमताओं में केवल तभी सुधार कर सकता है जब सिंथेटिक डेटा छात्र मॉडल के अनुकूल हो, जो यह प्रकट करता है कि ऐसा प्रशिक्षण नई संरचना को आयात करने के बजाय मौजूदा अंतर्निहित ज्ञान को बढ़ाता है, और साथ ही बिना किसी स्पष्ट अनलर्निंग उद्देश्यों के क्षमता वृद्धि को शाब्दिक रटने (verbatim memorization) से अलग करता है।

Scalable Bayesian Inference for Nonlinear Conservation Laws

Generalizing Multi-Scale Time-Series Modeling with a Single Operator

यह शोध पत्र SiGMA को प्रस्तुत करता है, जो एक नवीन आर्किटेक्चर है जो एक सीखने योग्य (learnable) डिस्क्रीट गॉसियन कर्नेल का उपयोग करके मल्टी-स्केल टाइम-सीरीज मॉडलिंग में फिक्स्ड, डिस्क्रीट स्केलिंग की सीमाओं को दूर करता है, जिससे अत्याधुनिक पूर्वानुमान सटीकता प्राप्त करने के साथ-साथ प्रशिक्षण गति में उल्लेखनीय सुधार और मेमोरी की खपत में कमी आती है।

FOCUS: Forcing In-Context Object Localization through Visual Support Constraints and Policy Optimization

यह शोध पत्र FOCUS को प्रस्तुत करता है, जो एक दो-चरणीय प्रशिक्षण ढांचा है जो विजुअल सपोर्ट कंस्ट्रेंट्स और ग्रुप रिलेटिव पॉलिसी ऑप्टिमाइजेशन (GRPO) को जोड़ता है ताकि बिना स्पष्ट पर्यवेक्षण के सुदृढ़, श्रेणी-अज्ञेय इन-कॉन्टेक्स्ट ऑब्जेक्ट लोकलाइजेशन प्राप्त किया जा सके, जिससे एक 7B-पैरामीटर वाला मॉडल काफी बड़े 72B मॉडलों को महत्वपूर्ण रूप से पीछे छोड़ने में सक्षम होता है।