23413 पेपर
यह शोध पत्र ParsVoice को प्रस्तुत करता है, जो ऑडियोबुक्स से एक स्केलेबल पाइपलाइन के माध्यम से निर्मित 2,200-घंटे का एक सार्वजनिक रूप से उपलब्ध बहु-वक्ता फारसी भाषण संग्रह (corpus) है, जो खुले फारसी TTS संसाधनों का महत्वपूर्ण विस्तार करता है और XTTS मॉडल को फाइन-ट्यून करने के लिए उपयोग किए जाने पर उच्च-गुणवत्ता वाले संश्लेषण प्रदर्शन को प्रदर्शित करता है।
यह शोध पत्र LATTICE को प्रस्तुत करता है, जो एक LLM-निर्देशित पदानुक्रमित (hierarchical) खोज ढांचा है जो एक नेविगेबल इंडेक्स का निर्माण करके और पाथ-एग्रीगेटेड ट्रैवर्सल (path-aggregated traversal) करके एम्बेडिंग मॉडल पर निर्भरता को समाप्त करता है, जिससे तर्क-गहन (reasoning-intensive) रिट्रीवल बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त होता है और पारंपरिक कार्यों पर प्रतिस्पर्धी बना रहता है।
यह शोध पत्र डीप स्टेट-स्पेस मॉडल्स के लिए एक प्रुवेबल (provable) कंप्रेशन विधि प्रस्तावित करता है जो लेयरवाइज -नॉर्म्स के आधार पर एक आउटपुट एरर अपर बाउंड व्युत्पन्न करता है, जिससे एक ग्रेडिएंट-आधारित ऑप्टिमाइज़ेशन दृष्टिकोण सक्षम होता है जो IMDb टास्क पर प्रदर्शन बनाए रखते हुए बिना रिट्रेनिंग के ट्रेन करने योग्य पैरामीटर्स को लगभग 60% तक कम कर देता है।
यह शोध पत्र VERA-V को प्रस्तुत करता है, जो एक वेरिएशनल इन्फरेंस फ्रेमवर्क है जो मल्टीमॉडल जेलब्रेक डिस्कवरी को टेक्स्ट-इमेज प्रॉम्प्ट्स पर एक संयुक्त पोस्टीरियर वितरण (joint posterior distribution) सीखने के रूप में पुनर्गठित करता है, जिससे ऐसे गुप्त और युग्मित (coupled) प्रतिकूल इनपुट्स उत्पन्न करने में सक्षम होता है जो विजन-लैंग्वेज मॉडल के गार्डरेल्स को बायपास करने में मौजूदा तरीकों से काफी बेहतर प्रदर्शन करते हैं।
यह शोध पत्र 'नोड कॉन्ट्रिब्यूशन बैकप्रोपैगेशन' नामक एक गतिशील रक्षा प्रतिमान प्रस्तावित करता है जो बहु-एजेंट प्रणाली संचार को एक हस्ताक्षरित निर्देशित अचक्रीय ग्राफ (signed directed acyclic graph) के रूप में मॉडल करता है ताकि बैकवर्ड प्रोपेगेशन के माध्यम से व्यक्तिगत एजेंट योगदान की गणना की जा सके, जिससे सहयोगी कार्यों को प्रतिकूल भ्रष्टाचार से सुरक्षित करने के लिए दुर्भावनापूर्ण एजेंटों की सटीक पहचान और अलगाव सक्षम हो सके।
यह शोध पत्र एक डिस्काउंटेड रिइन्फोर्समेंट लर्निंग दृष्टिकोण प्रस्तावित करता है जो तर्क संबंधी टोकन (reasoning tokens) को दंडित करता है ताकि बड़े रीजनिंग मॉडल्स को सटीकता से समझौता किए बिना संक्षिप्त चेन्स ऑफ थॉट (chains of thought) उत्पन्न करने के लिए प्रोत्साहित किया जा सके, जो प्रभावी रूप से रीजनिंग को एक स्टोकेस्टिक शॉर्टेस्ट पाथ समस्या के रूप में मानता है।
यह शोध पत्र PRBench को प्रस्तुत करता है, जो डीप लर्निंग मॉडल्स में संभाव्य सुदृढ़ता (probabilistic robustness) के मूल्यांकन के लिए पहला मानकीकृत बेंचमार्क है, जो यह प्रकट करता है कि जबकि एडवरसैरियल ट्रेनिंग विधियाँ हाइपरपैरामीटर्स के across अधिक बहुमुखी प्रतिभा प्रदान करती हैं, संभाव्य सुदृढ़ता-विशिष्ट प्रशिक्षण विधियाँ कम सामान्यीकरण त्रुटि (generalization error) और उच्च क्लीन एक्यूरेसी प्राप्त करती हैं।
यह शोधपत्र एक व्याख्यात्मक ढांचे का प्रस्ताव करता है जो नेशनल लंग स्क्रीनिंग ट्रायल कोहोर्ट पर मौजूदा बेसलाइनों की तुलना में बेहतर प्रदर्शन करते हुए, चिकित्सा ज्ञान के साथ पल्मोनरी निष्कर्षों को एकीकृत करके प्राकृतिक भाषा के तर्क उत्पन्न करने के लिए एक नियंत्रित नैदानिक-सूचना पथ का लाभ उठाता है, ताकि लो-डोज चेस्ट सीटी स्कैन से हृदय रोग के जोखिम का आकलन किया जा सके।
यह शोधपत्र CFG-OEC को प्रस्तुत करता है, जो एक नवीन सैंपलिंग विधि है जो सैंपलिंग त्रुटियों को विघटित करके और ऑर्थोगोनल एरर करेक्शन (orthogonal error correction) लागू करके डिफ्यूजन मॉडल्स में प्रशिक्षण उद्देश्यों और क्लासिफायर फ्री गाइडेंस (Classifier Free Guidance) के बीच मिसअलाइनमेंट के कारण होने वाली संरचनात्मक त्रुटि को कम करता है, जिससे विभिन्न मॉडलों और सैंपलर्स में इमेज जनरेशन की गुणवत्ता और मेट्रिक्स में सुधार होता है।
यह शोध पत्र कांडिंस्की 5.0 (Kandinsky 5.0) का परिचय देता है, जो इमेज और वीडियो जनरेशन वेरिएंट्स वाला ओपन-सोर्स फाउंडेशन मॉडल्स का एक परिवार है जिसमें 19 बिलियन तक पैरामीटर्स हैं, जो अत्याधुनिक उच्च-रिज़ॉल्यूशन संश्लेषण और 10-सेकंड वीडियो जनरेशन प्राप्त करने के लिए एक व्यापक डेटा क्यूरेशन लाइफसाइकिल और उन्नत प्रशिक्षण तकनीकों का लाभ उठाते हैं।