23103 पेपर
यह शोध पत्र टाइम-सीरीज़ डेटा में आउट-ऑफ-डिस्ट्रीब्यूशन डिटेक्शन को बेहतर बनाने के लिए वॉन मिसेस-फिशर उद्देश्यों का उपयोग करते हुए एक हाइपरस्फेरिकल टाइम-फ्रीक्वेंसी रिप्रेजेंटेशन लर्निंग फ्रेमवर्क प्रस्तावित करता है, जो UCR और UEA आर्काइव्स में मजबूत बेसलाइन की तुलना में निरंतर प्रदर्शन लाभ प्रदर्शित करता है।
TabCausal एक डेटा-संचालित कॉज़ल डिस्कवरी फाउंडेशन मॉडल है जो विविध कॉज़ल वातावरणों में प्रीट्रेन करने के लिए एक डायनेमिक टास्क कंस्ट्रक्शन स्ट्रैटेजी का लाभ उठाता है, जिससे मौजूदा तरीकों की तुलना में सिंथेटिक और सिमेंटिक बेंचमार्क दोनों से कॉज़ल स्ट्रक्चर को रिकवर करने में श्रेष्ठ और ट्रांसफर करने योग्य प्रदर्शन प्राप्त होता है।
यह शोध पत्र ट्रस्ट-रीजन बिहेवियर ब्लेंडिंग (TRB) का प्रस्ताव देता है, जो ऑन-पॉलिसी डिस्टिलेशन के लिए एक वॉर्मअप विधि है जो एक KL ट्रस्ट रीजन के भीतर छात्र की पॉलिसी को शिक्षक के साथ ब्लेंड करके शुरुआती प्रशिक्षण को स्थिर करती है और फिर शुद्ध छात्र रोलआउट्स की ओर एनेलिंग (annealing) करती है, जिससे गणितीय-तर्क कार्यों में प्रदर्शन में सुधार होता है।
यह शोध पत्र DetAS को प्रस्तुत करता है, जो एक एजेंटिक फ्रेमवर्क है जो एक मल्टीमॉडल लार्ज लैंग्वेज मॉडल का लाभ उठाकर अनुकूल छवि बहाली (image restoration) और मल्टी-एक्सपर्ट डिटेक्शन वर्कफ़्लो को गतिशील रूप से संयोजित करता है, जिसे एक स्व-विकसित अनुभव हार्वेस्टिंग तंत्र द्वारा बढ़ाया गया है ताकि चुनौतीपूर्ण, वास्तविक दुनिया के परिदृश्यों में मौजूदा डिटेक्टरों से काफी बेहतर प्रदर्शन किया जा सके।
यह शोध पत्र "रिट्रीवर पोर्टफोलियो" (Retriever Portfolios) का प्रस्ताव करता है, जो एक सिद्धांतपूर्ण विधि है जो विषम प्रश्नों (heterogeneous queries) को संभालने के लिए रिट्रीवर्स के एक विविध उपसमूह का स्वचालित रूप से चयन करता है, जिससे सिंगल-रिट्रीवर या नैइव मल्टी-रिट्रीवर बेसलाइन की तुलना में कम विलंबता (latency) और लागत के साथ बेहतर सटीकता प्राप्त होती है।
यह शोध पत्र उन पिछले निष्कर्षों को चुनौती देता है जो यह बताते हैं कि स्पार्स ऑटोएनकोडर (SAEs), लार्ज लैंग्वेज मॉडल्स को स्टीयर करने में कम प्रदर्शन करते हैं, यह प्रदर्शित करते हुए कि जब फीचर्स को एक सुपरवाइज्ड पाइपलाइन के माध्यम से चुना और लेबल किया जाता है, तो SAEs AxBench बेंचमार्क पर LoRA के समान स्टीयरिंग प्रदर्शन प्राप्त कर सकते हैं और उच्च स्पर्सिटी (sparsity) की आवश्यकता के बिना भी कॉज़ल फीचर्स की पहचान कर सकते हैं।
यह शोध पत्र स्पेक्ट्रल पीयू नेबरहुड एनोटेशन (SPUNA) को प्रस्तुत करता है, जो एक ज्यामिति-जागरूक ढांचा है जो कोवेरिएट शिफ्ट का पता लगाने के लिए स्थानीय मैनिफोल्ड संरचनाओं का लाभ उठाता है ताकि मजबूत पॉजिटिव अनलेबल्ड लर्निंग को सक्षम किया जा सके, और शिफ्ट वितरण से लेबल किए गए डेटा की आवश्यकता के बिना पूर्णतः पर्यवेक्षित विधियों के तुलनीय प्रदर्शन प्राप्त करता है।
CIFAR-10 पर यह व्यवस्थित अध्ययन यह प्रदर्शित करता है कि छात्र क्षमता (student capacity) ज्ञान आसवन (knowledge distillation) की प्रभावशीलता का एक महत्वपूर्ण मॉडरेटर है, जो यह प्रकट करता है कि बड़े छात्रों (R34) को छोटे छात्रों (R18) की तुलना में काफी अधिक लाभ होता है, और साथ ही इष्टतम आसवन प्रदर्शन प्राप्त करने के लिए कार्यान्वयन बग्स (implementation bugs) और इनपुट-रिज़ॉल्यूशन विसंगतियों (input-resolution mismatches) को ठीक करने की आवश्यकता को भी रेखांकित करता है।
यह शोध पत्र टेंसर सेपरेशन लर्निंग (TSL) को प्रस्तुत करता है, जो एक रिग्रेशन मॉडल है जो एक-चर (univariate) फलनों के रैंक-1 उत्पादों के योग को सीखकर पारंपरिक योगात्मक व्याख्यात्मकता (additive explainability) विधियों की सीमाओं को दूर करता है, जिससे यह सशक्त फीचर इंटरैक्शन को संरक्षित करता है और सूचना की हानि के बिना निष्ठावान, पूर्णतः पुनर्निर्मित करने योग्य विज़ुअलाइज़ेशन सक्षम बनाता है।
यह शोध पत्र CoFRe को प्रस्तुत करता है, जो फिक्स्ड-पॉइंट मास्क्ड जनरेटिव मॉडल्स के लिए एक फ्रेमवर्क है जो टेक्स्ट और इमेज मोडैलिटीज में कम सैंपलिंग बजट के तहत जनरेशन की गुणवत्ता में सुधार करते हुए, प्रशिक्षण लागत और मेमोरी उपयोग को काफी कम करने के लिए क्रॉस-स्टेप कंसिस्टेंसी लॉस और थ्री-स्टेट रियूज स्ट्रैटेजी का लाभ उठाता है।