23413 पेपर
यह शोध पत्र Oryx को प्रस्तुत करता है, जो एक हाइब्रिड आर्किटेक्चर है जो टोकन अनुक्रम के साथ कुशल लीनियर रिकरेंट मिक्सर्स और क्वाड्रेटिक अटेंशन मैकेनिज्म के बीच गतिशील रूप से स्विच करता है और 90% से अधिक पैरामीटर्स साझा करता है, जिससे सिंगल-मिक्सर बेसलाइन की तुलना में बेहतर प्रदर्शन और लॉन्ग-कॉन्टेक्स्ट रिट्रीवल क्षमताएं प्राप्त होती हैं।
यह शोध पत्र LearnWeak को प्रस्तुत करता है, जो एक एनोटेशन-मुक्त ढांचा है जो छोटे कंप्यूटर-उपयोग एजेंटों में विशिष्ट कमजोरियों की पहचान करने और उन्हें लक्षित करने के लिए एक अधिक शक्तिशाली संदर्भ एजेंट का लाभ उठाता है, जिससे त्रुटि-जागरूक विशेषज्ञता और लक्षित डेटा संश्लेषण के माध्यम से विविध डोमेन में महत्वपूर्ण प्रदर्शन लाभ प्राप्त होता है।
यह शोध पत्र फ्रोजन विजन मॉडल्स में स्प्यूरियस बायस (spurious biases) की पहचान करने और उन्हें कम करने के लिए एक लेबल-मुक्त, पोस्ट-हॉक विधि प्रस्तुत करता है, जो एक्टिवेशन्स को व्याख्यात्मक अवधारणाओं (interpretable concepts) में विघटित करके और गलत वर्गीकृत उदाहरणों के साथ ग्रेडिएंट इंटरैक्शन के माध्यम से उन्हें रैंक करके किया जाता है, जिससे बिना पुन: प्रशिक्षण या सहायक एट्रीब्यूट लेबल्स के वर्स्ट-ग्रुप एक्यूरेसी (worst-group accuracy) में सुधार होता है।
CaMBRAIN एक नवीन कॉज़ल (causal), मंबा-आधारित स्टेट स्पेस मॉडल है जो अटेंशन मैकेनिज्म की क्वाड्रेटिक जटिलता को दूर करके और महत्वपूर्ण लॉन्ग-रेंज कॉन्टेक्स्ट को बनाए रखने के लिए एक विशेष मल्टी-स्टेज सेल्फ-सुपरवाइज्ड ट्रेनिंग पाइपलाइन पेश करके लंबे EEG सिग्नल्स के रियल-टाइम, कंटीन्यूअस इन्फरेंस को सक्षम बनाता है।
यह शोध पत्र -QVLA को प्रस्तुत करता है, जो एक प्रशिक्षण-मुक्त पोस्ट-क्वांटाइजेशन फ्रेमवर्क है जो कंपोजिट SVD-Hadamard रोटेशन को प्रति-चरण (per-step) DiT एक्टिवेशन स्केलिंग के साथ जोड़कर संपूर्ण विजन-लैंग्वेज-एक्शन मॉडल्स के लिए सुदृढ़ W4A4 यूनिफॉर्म क्वांटाइजेशन को सक्षम बनाता है, जिससे बेंचमार्क और वास्तविक दुनिया के हेरफेर (manipulation) कार्यों दोनों पर अत्याधुनिक कार्य सफलता दर और महत्वपूर्ण मेमोरी कमी प्राप्त होती है।
यह शोध पत्र OmniVerifier-M1 को प्रस्तुत करता है, जो एक मल्टीमॉडल मेटा-वेरिफायर है जो पारंपरिक संयुक्त अनुकूलन दृष्टिकोणों से बेहतर प्रदर्शन करने के लिए प्रतीकात्मक तर्कों (symbolic rationales) और एक पृथक सुदृढीकरण शिक्षण (decoupled reinforcement learning) रणनीति का लाभ उठाकर मजबूत दृश्य सत्यापन और गतिशील स्व-सुधार प्राप्त करता है।
यह शोध पत्र सेंटर-ऑफ-प्रेशर (CoP) को प्रस्तुत करता है, जो एक भौतिकी-आधारित स्पर्श प्रतिनिधित्व (tactile representation) है जो सघन संपर्क सूचना (dense contact information) को सुरक्षित रखते हुए जटिल, संपर्क-समृद्ध हेरफेर कार्यों के लिए ज़ीरो-शॉट सिम-टू-रियल ट्रांसफर को सक्षम बनाता है, और बिना किसी ग्राउंड-ट्रुथ बल माप की आवश्यकता के सिमुलेशन-रियलिटी अंतराल को दूर करता है।
यह शोध पत्र मैक्सिमम ए पोस्टीरियर अनुमान और एक्सपेक्टेशन मैक्सिमाइजेशन एल्गोरिदम का उपयोग करके रिस्ट्रिक्टेड बोल्ट्जमैन मशीन को एक नियतात्मक मॉडल में पुनर्गठित करता है ताकि एमसीएमसी के बिना कंट्रास्टिव डाइवर्जेंस की अभिसरण को सिद्ध किया जा सके, जिससे स्केलर और वेक्टर-मूल्य वाले डेटा दोनों के लिए रैखिक और गैर-रैखिक आयामी कमी (डाइमेंशनलिटी रिडक्शन) को एकीकृत किया जा सके।
यह शोध पत्र BSMS-GNN को प्रस्तुत करता है, जो एक नवीन मल्टी-स्केल ग्राफ न्यूरल नेटवर्क फ्रेमवर्क है जो बड़े पैमाने के मेश पर मैन्युअल मेश कोसनिंग (coarsening) या स्थानिक निकटता त्रुटियों के बिना भौतिक प्रणालियों को कुशलतापूर्वक सिम्युलेट करने के लिए ब्रैडथ-फर्स्ट सर्च पर आधारित एक "बाय-स्ट्राइड" (bi-stride) पूलिंग रणनीति का उपयोग करता है, जिससे मौजूदा विधियों की तुलना में बेहतर सटीकता और कम्प्यूटेशनल दक्षता प्राप्त होती है।
यह शोध पत्र इंटरप्रिटेबल फेडरेटेड लर्निंग (IFL) पर पहला व्यापक सर्वेक्षण प्रस्तुत करता है, जो एक नवीन वर्गीकरण पेश करता है और सहयोगी मशीन लर्निंग में प्रदर्शन, गोपनीयता और व्याख्यात्मकता के बीच संतुलन बनाने की महत्वपूर्ण आवश्यकता को संबोधित करने के लिए मौजूदा दृष्टिकोणों, मूल्यांकन मेट्रिक्स और भविष्य की दिशाओं का विश्लेषण करता है।