23172 पेपर
यह शोध पत्र एक नवीन कंडिशनल डिफ्यूजन मॉडल पेश करता है जिसमें UNet आर्किटेक्चर है जो मोटे वायुमंडलीय चरों से उच्च-रिज़ॉल्यूशन, संभाव्य वैश्विक वर्षा क्षेत्र उत्पन्न करता है, जो पारंपरिक अर्थ सिस्टम मॉडल पैरामीट्रिज़ेशन का एक गणनात्मक रूप से कुशल विकल्प प्रदान करता है जो सूक्ष्म-स्तरीय प्रक्रियाओं और अनिश्चितताओं को कैप्चर करते हुए पूर्वाग्रहों को कम करता है।
यह शोध पत्र TailedCore को प्रस्तुत करता है, जो एक नवीन अनसुपरवाइज्ड विसंगति पहचान (anomaly detection) ढांचा है जो टेल क्लास नमूनों और शोर वाले डेटा को स्वतंत्र रूप से संभालने के लिए एक TailSampler का उपयोग करता है, जिससे लॉन्ग-टेल, संदूषित डेटासेट में शोर सुदृढ़ता (noise robustness) और टेल क्लास संवेदनशीलता के बीच प्रदर्शन संबंधी समझौते को दूर किया जा सके।
यह शोध पत्र MP-SSM प्रस्तुत करता है, जो एक एकीकृत ढांचा है जो कुशल, क्रम-विनिमेय (permutation-equivariant), और दीर्घ-परासी सूचना प्रसार को प्राप्त करने के लिए स्टेट-स्पेस मॉडल सिद्धांतों को सीधे मैसेज-पासिंग न्यूरल नेटवर्क आर्किटेक्चर में समाहित करता है, साथ ही स्थिर और टेम्पोरल दोनों प्रकार के ग्राफों के लिए सटीक संवेदनशीलता विश्लेषण और अनुकूलित समानांतर कार्यान्वयन को सक्षम बनाता है।
यह शोध पत्र यह प्रदर्शित करके रीजनिंग लैंग्वेज मॉडल्स में रियल-टाइम प्रोग्रेस प्रेडिक्शन की व्यवहार्यता की जांच करता है कि हिडन स्टेट्स प्रोग्रेस की जानकारी को एनकोड करते हैं और फाइन-ट्यून्ड मॉडल्स सटीक प्रोग्रेस अनुमान उत्पन्न कर सकते हैं, जिसमें बड़े मॉडल्स शेष समाधान की लंबाई में कम भिन्नता के कारण अधिक लेबल स्थिरता प्रदर्शित करते हैं।
यह शोध पत्र टेक्स्ट-टू-इमेज डिफ्यूजन मॉडल्स में कॉन्सेप्ट अनलर्निंग के लिए एक एकीकृत ढांचे का प्रस्ताव करता है जो मानक MSE-आधारित ऑब्जेक्टिव को मनमाने -डाइवर्जेंस (f-divergences) तक सामान्यीकृत करता है, जो हेलिंगर (Hellinger) जैसे विशिष्ट डाइवर्जेंस के लिए कुशल क्लोज्ड-फॉर्म समाधान और अनलर्निंग प्रभावकारिता एवं जनरेटिव फिडेलिटी के बीच बेहतर संतुलन बनाने के लिए अन्य के लिए एक वेरिएशनल मिन-मैक्स दृष्टिकोण प्रदान करता है।
यह शोध पत्र GAT को प्रस्तुत करता है, जो एक स्केलेबल जेनरेटिव एडवरसैरियल नेटवर्क (Generative Adversarial Network) है जो मॉडल की विभिन्न क्षमताओं में अत्याधुनिक, कुशल इमेज जनरेशन प्राप्त करने के लिए ट्रांसफार्मर-आधारित आर्किटेक्चर को लेटेंट-स्पेस ट्रेनिंग और लक्षित स्थिरीकरण तकनीकों के साथ जोड़ता है।
HiSpec एक हाई-थ्रूपुट स्पेकुलेटिव डिकोडिंग फ्रेमवर्क है जो कम-ओवरहेड इंटरमीडिएट वेरिफिकेशन के लिए अर्ली-एग्जिट मॉडल्स का लाभ उठाता है और सटीकता से समझौता किए बिना LLM इन्फरेंस को महत्वपूर्ण रूप से तेज करने के लिए ड्राफ्ट, वेरिफायर और टारगेट मॉडल्स के बीच कम्प्यूटेशनल स्टेट्स को पुनः उपयोग करता है।
यह शोध पत्र एक नवीन, प्रशिक्षण-मुक्त ढांचे का प्रस्ताव करता है जो इन्फ्रेंस-टाइम सर्च के माध्यम से विविध साइड इंफॉर्मेशन को शामिल करके विभिन्न इनवर्स समस्याओं के लिए डिफ्यूजन-आधारित इमेज रिकंस्ट्रक्शन को बढ़ाता है, जिससे कई सॉल्वर और कार्यों में प्रदर्शन में निरंतर सुधार होता है।
यह शोध पत्र मोंटे कार्लो परम्यूटेशन सर्च (MCPS) को प्रस्तुत करता है, जो एक सामान्य-उद्देश्य वाला MCTS एल्गोरिदम है जो पाथ-वाइड प्लेआउट सांख्यिकी को एक्सप्लोरेशन टर्म में शामिल करके और एक नया वेटिंग फॉर्मूला व्युत्पन्न करके हेक्स (Hex) और गो (Go) जैसे खेलों में GRAVE एल्गोरिदम से बेहतर प्रदर्शन करता है, जिससे GRAVE के बायस हाइपरपैरामीटर की आवश्यकता समाप्त हो जाती है।
यह शोध पत्र MATT-CTR का प्रस्ताव करता है, जो एक मॉडल-अज्ञेयवादी (model-agnostic) टेस्ट-टाइम प्रतिमान है जो पदानुक्रमित संभाव्य हैशिंग (hierarchical probabilistic hashing) के माध्यम से फीचर संयोजन विश्वास को मात्रात्मक रूप से निर्धारित करके और कई अनुमान पथों को उत्पन्न एवं एकत्रित करके CTR भविष्यवाणी की विश्वसनीयता को बढ़ाता है, जिससे बिना मॉडल पुनरप्रशिक्षण के दुर्लभ फीचर्स के प्रभाव को कम किया जा सके।