23164 पेपर
यह शोध पत्र एक ऊर्जा- और संचार-कुशल मल्टी-एजेंट सुदृढीकरण शिक्षण (मल्टी-एजेंट रीइन्फोर्समेंट लर्निंग) ढांचे का प्रस्ताव करता है, जो कई दिनों तक डोरो नदी के प्लम (plume) को प्रभावी ढंग से मैप करने के लिए एक केंद्रीय समन्वयक के साथ स्पैटियोटेम्पोरल गॉसियन प्रोसेस रिग्रेशन को एकीकृत करता है, जो मौजूदा बेंचमार्क की तुलना में बेहतर सटीकता और मापनीयता प्रदर्शित करता है।
यह शोध पत्र एक फाल्सिफिकेशन-संचालित सुदृढीकरण शिक्षण (reinforcement learning) दृष्टिकोण का प्रस्ताव करता है जो स्वायत्त पोत गति नियोजन (autonomous vessel motion planning) में समुद्री यातायात नियम अनुपालन में सुधार के लिए सिग्नल टेम्पोरल लॉजिक विशिष्टताओं के आधार पर प्रतिकूल प्रशिक्षण परिदृश्य उत्पन्न करता है।
यह शोधपत्र थॉम्पसन सैंपलिंग की सफलता के पीछे के तंत्र को एक ऑनलाइन अनुकूलन एल्गोरिदम के रूप में पुनर्गठित करके स्पष्ट करता है जो एक स्थिर बेलमैन-इष्टतम नीति (Bellman-optimal policy) की नकल करता है, जहाँ लालच (greediness) को अवशिष्ट अनिश्चितता (residual uncertainty) द्वारा नियमित किया जाता है, जिससे इसके गतिकी को समझने और नीतियों को बेहतर बनाने के लिए एक नया ढांचा प्राप्त होता है।
EAGer एक प्रशिक्षण-मुक्त, एंट्रॉपी-जागरूक इन्फरेंस-टाइम स्केलिंग विधि है जो केवल उच्च-अनिश्चितता वाले टोकन पर ही रीजनिंग पथों को ब्रांच करके कंप्यूटेशनल संसाधनों को गतिशील रूप से आवंटित करती है, जिससे टोकन के उपयोग को 64% तक कम किया जा सकता है और जटिल रीजनिंग बेंचमार्क पर Pass@k प्रदर्शन में महत्वपूर्ण सुधार किया जा सकता है।
यह अनुभवजन्य अध्ययन प्रदर्शित करता है कि वेरिएंस-आधारित MC ड्रॉपआउट अनिश्चितता (variance-based MC Dropout uncertainty), 2D ब्रेन ट्यूमर MRI सेगमेंटेशन में सेगमेंटेशन त्रुटियों के साथ कमजोर वैश्विक और नगण्य सीमा सहसंबंध (boundary correlations) प्रदर्शित करती है, जो यह सुझाव देता है कि वैकल्पिक अनिश्चितता निरूपणों की तुलना में त्रुटि स्थानीयकरण के लिए इसका उपयोग सीमित है।
यह शोध पत्र 'वेटेड एक्यूरेसी' (WA) को एक लागत-संवेदनशील मूल्यांकन मीट्रिक और एक सामान्य रीवेटिंग फ्रेमवर्क के रूप में प्रस्तुत करता है जो बाइनरी क्लासिफायर अनुकूलन को 'टोटल क्लासिफिकेशन कॉस्ट' न्यूनीकरण के साथ संरेखित करता है, और यह प्रदर्शित करता है कि WA को अधिकतम करना यूनिट कॉस्ट के तहत लागतों को न्यूनतम करने के समकक्ष है और विविध असंतुलन एवं लागत परिदृश्यों में सुदृढ़ बना रहता है।
यह शोध पत्र लार्ज ऑडियो लैंग्वेज मॉडल्स के लिए मौजूदा MusicQA मूल्यांकनों की तथ्यात्मक सटीकता संबंधी सीमाओं की आलोचना करता है और तीन विविध डेटासेट्स पर छह रिट्रीवल कार्यों के माध्यम से संगीत बोध का वस्तुनिष्ठ रूप से आकलन करने के लिए एक नए बेंचमार्क और प्रिसिजन (Precision), रिकॉल (Recall) और F1 स्कोर का उपयोग करने वाले एक संरचित प्रोटोकॉल को प्रस्तुत करता है।
यह शोध पत्र SynthTools का परिचय देता है, जो एक पूर्णतः LLM-आधारित ढांचा है जो स्वचालित रूप से विविध सिंथेटिक टूल वातावरण और कार्यों को उत्पन्न, सत्यापित और स्केल करता है, यह प्रदर्शित करते हुए कि इस सिंथेटिक डेटा पर एजेंटों को प्रशिक्षित करने से वास्तविक दुनिया के बेंचमार्क पर उनके टूल-उपयोग प्रदर्शन में महत्वपूर्ण सुधार होता है।
यह शोध पत्र पहला सैद्धांतिक ढांचा और एल्गोरिदम प्रस्तुत करता है जो संपूर्ण स्टेट स्पेस (state space) पर न्यूरॉन्स के लिए गारंटीकृत इष्टतम कंपोजिशनल स्पष्टीकरणों की गणना करता है, यह प्रकट करते हुए कि पिछले बीम-सर्च (beam-search) परिणाम 10-40% तक उप-इष्टतम (suboptimal) हैं और साथ ही एक अधिक लचीला और कुशल विकल्प भी प्रदान करता है।
यह सर्वेक्षण मशीन लर्निंग में डिफ्यूजन विधियों और ऑप्टिमल ट्रांसपोर्ट के बीच गणितीय संबंधों की खोज करता है, जो यह प्रदर्शित करता है कि कैसे समय के साथ विकसित होने वाले संभाव्यता वितरणों (प्रोबेबिलिटी डिस्ट्रीब्यूशन) को मॉडल करने के लिए उनका साझा लैग्रेंजियन ढांचा (लैग्रेंजियन फ्रेमवर्क), जनरेटिव एआई सैंपलिंग और न्यूरल नेटवर्क अनुकूलन से लेकर लार्ज लैंग्वेज मॉडल डायनेमिक्स के विश्लेषण तक के अनुप्रयोगों को एकीकृत करता है।