23164 पेपर
यह शोध पत्र लॉग-अलाइनमेंट रेशियो (LAR) को प्रस्तुत करता है, जो एक गणनात्मक रूप से कुशल, प्रशिक्षण-समय का नैदानिक (डायग्नोस्टिक) है जो बिना किसी सत्यापन डेटा (वैलिडेशन डेटा) की आवश्यकता के, रटने (मेमोराइजेशन) से सामान्यीकरण (जनरलाइजेशन) में संक्रमण की भविष्यवाणी करने और प्रभावी मॉडल आयाम (डाइमेंशनैलिटी) का अनुमान लगाने के लिए वेट और एक्टिवेशन स्पेक्ट्रा के बीच ओवरलैप को परिमाणित करता है।
यह शोध पत्र डीप लर्निंग प्रशिक्षण और हैमिल्टन-जैकबी इनिशियल-वैल्यू समस्याओं के बीच एक सटीक गणितीय पत्राचार स्थापित करता है, जो सामान्यीकरण, मजबूती और एट्रिब्यूशन में सटीक सैद्धांतिक अंतर्दृष्टि प्राप्त करने के लिए एक एकल विरूपण पैरामीटर (deformation parameter) के तहत न्यूरल नेटवर्क आर्किटेक्चर, ट्रॉपिकल बीजगणित, विस्कस PDEs और उत्तल अनुकूलन (convex optimization) को एकीकृत करता है।
यह शोधपत्र BrainSimSiam को प्रस्तुत करता है, जो एक हल्का स्व-पर्यवेक्षित शिक्षण ढांचा (self-supervised learning framework) है जो मजबूत, कार्य-अपरिवर्तनीय (task-invariant) fMRI निरूपण उत्पन्न करने के लिए केवल सकारात्मक डेटा युग्मों का लाभ उठाता है, जो डेटा की कमी और ओवरफिटिंग की चुनौतियों को प्रभावी ढंग से दूर करते हुए विविध डाउनस्ट्रीम न्यूरोइमेजिंग कार्यों में सुपरवाइज्ड बेसलाइन से बेहतर प्रदर्शन करता है।
यह शोध पत्र LLM-आधारित रेज़्यूमे स्क्रीनिंग में वास्तविक दुनिया के प्रॉम्प्ट इंजेक्शन हमलों का पहला व्यवस्थित अध्ययन प्रस्तुत करता है, जो 200,000 रेज़्यूमे का विश्लेषण करके यह प्रकट करता है कि लगभग 1% में छिपे हुए इंजेक्शन मौजूद हैं, उनकी व्यापकता बढ़ रही है, और अधिकांश में स्पष्ट निर्देशों का उपयोग नहीं किया गया है।
यह शोध पत्र FormInv प्रस्तुत करता है, जो एक ऐसा मापन प्रोटोकॉल है जो यह उजागर करता है कि गणितीय तर्क संबंधी बेंचमार्क में सिमेंटिक इनवेरिएंस (अर्थगत अपरिवर्तनीयता) की खामियां मॉडल रैंकिंग को कैसे विकृत करती हैं और समग्र सटीकता तथा सिमेंटिक निरंतरता के बीच एक महत्वपूर्ण अंतर को प्रकट करती है, जो यह प्रदर्शित करता है कि बेंचमार्क डिजाइन के विकल्प अप्रत्यक्ष रूप से यह निर्धारित करते हैं कि कौन से मॉडल श्रेष्ठ दिखाई देते हैं।
FedQHD एक क्लोज्ड-फॉर्म फेडरेटेड रिइन्फोर्समेंट लर्निंग पद्धति है जो फंक्शन-स्पेस सुसंगत एकत्रीकरण प्राप्त करने के लिए हाइपरडायमेंशनल एनकोडर्स और लीनियर रीडआउट्स का लाभ उठाती है, जो एक नवीन टीचर-स्टूडेंट प्रोजेक्शन फ्रेमवर्क के माध्यम से विषम क्लाइंट रिप्रेजेंटेशन्स के बीच के अंतर को प्रभावी ढंग से पाटती है और साथ ही दक्षता और प्रदर्शन में मौजूदा बेसलाइन्स से बेहतर प्रदर्शन करती है।
LoRe एक प्रशिक्षण-मुक्त (training-free), इन्फरेंस-टाइम रैपर है जो उच्च-संघर्ष (high-conflict) या उच्च-अनिश्चितता (high-uncertainty) वाले किनारों (edges) पर प्रति-चरण इंटरैक्शन मूल्यांकन को गतिशील रूप से रूट करके कॉम्बिनेटरियल ऑप्टिमाइज़ेशन के लिए डिफ्यूजन-आधारित न्यूरल सॉल्वर्स की स्केलेबिलिटी को बढ़ाता है, जिससे MIS और TSP जैसी बड़ी समस्याओं पर समाधान की गुणवत्ता को बनाए रखते हुए महत्वपूर्ण गति वृद्धि और मेमोरी में कमी प्राप्त होती है।
यह शोध पत्र क्रॉस-मॉडल एंट्रॉपी (CME) का प्रस्ताव करता है, जो एक लेबल-मुक्त सुदृढीकरण लर्निंग रिवॉर्ड सिग्नल है, जो ग्राउंड-ट्रुथ लेबल या मानवीय प्राथमिकताओं पर निर्भर किए बिना ओपन-एंडेड इंस्ट्रक्शन फॉलोइंग के प्रभावी पोस्ट-ट्रेनिंग को सक्षम करने के लिए एक स्वतंत्र वेरीफायर मॉडल के तहत जनरेटर के आउटपुट के लॉग-लाइक्लीहुड का लाभ उठाता है।
यह शोध पत्र तीन-आयामी कॉस्मोलॉजिकल 21 सेमी लाइटकोन्स (lightcones) के अनुकरण के लिए कंडीशनल डिफ्यूजन मॉडल्स के अनुप्रयोग की जांच करता है, जो यह प्रदर्शित करता है कि यद्यपि येओ-जॉनसन (Yeo-Johnson) प्रीप्रोसेसिंग को मध्यम आयाम संपीड़न (amplitude compression) के साथ संयोजित करने से स्थिर प्रशिक्षण और मजबूत वैश्विक सिग्नल निष्ठा (global signal fidelity) सक्षम होती है, फिर भी परिणामी मॉडल उच्च-क्रम सांख्यिकी (higher-order statistics) में मापने योग्य पूर्वाग्रह प्रदर्शित करते हैं, जो भविष्य के 3D इम्यूलेशन अध्ययनों के लिए एक महत्वपूर्ण सिमुलेशन-स्तरीय आधार रेखा स्थापित करता है।
यह शोध पत्र डिफरेंशिएबल बिलीफ-बेस्ड अपोनेंट शेपिंग (D-BOS) का प्रस्ताव करता है, जो एक प्रथम-क्रम विधि (first-order method) है जो -स्टेप सॉफ्टमैक्स-बेयस बिलीफ डायनेमिक्स के माध्यम से डिफरेंशिएट करके मल्टी-एजेंट रणनीतियों को अनुकूलित करती है ताकि हार्ड-कोडेड धोखे के उद्देश्यों पर निर्भर किए बिना स्वाभाविक रूप से विरोधियों के विश्वासों को आकार दिया जा सके, जिससे मौजूदा बेसलाइन की तुलना में हिडन-रोल और मिक्स्ड-मोटिव खेलों में बेहतर प्रदर्शन प्राप्त होता है।