655 पेपर
यह शोध पत्र संभाव्य स्पाइक-आधारित एनकोडिंग और सिग्नल प्रोसेसिंग के बीच के अंतर को पाटता है, उन्हें मात्रात्मक बैंडविड्थ और पुनर्निर्माण त्रुटि सीमाओं वाले समय-कारण वेवलेट फ्रेम्स के रूप में पुनर्गठित करके, जो ECG और ऑडियो जैसे सिग्नलों को सटीक रूप से पुनर्निर्मित करने की उनकी क्षमता को प्रदर्शित करता है और ऊर्जा-कुशल न्यूरोमॉर्फिक हार्डवेयर के साथ सीधे मानचित्रण को दर्शाता है।
EvoPref, ग्रेडिएंट-आधारित विधियों के प्रेफरेंस कोलैप्स (preference collapse) को दूर करने के लिए NSGA-II और LoRA एडेप्टर का उपयोग करते हुए एक मल्टी-ऑब्जेक्टिव इवोल्यूशनरी एल्गोरिदम पेश करता है, जो मानक बेंचमार्क पर प्रतिस्पर्धी गुणवत्ता बनाए रखते हुए काफी अधिक विविध LLM अलाइनमेंट प्राप्त करता है।
यह शोधपत्र QD-LLM को प्रस्तुत करता है, जो एक पैरामीटर-कुशल न्यूरोइवोल्यूशन फ्रेमवर्क है जो फ्रोजन लार्ज लैंग्वेज मॉडल्स को विविध, उच्च-गुणवत्ता वाले आउटपुट की ओर निर्देशित करने के लिए क्वालिटी-डाइवर्सिटी ऑप्टिमाइज़ेशन स्कीम के भीतर कॉम्पैक्ट प्रॉम्प्ट एम्बेडिंग्स को विकसित करता है, जो मॉडल फाइन-ट्यूनिंग की आवश्यकता के बिना कवरेज और डाउनस्ट्रीम उपयोगिता में मौजूदा विधियों से काफी बेहतर प्रदर्शन करता है।
यह शोध पत्र इस परिकल्पना का प्रस्ताव और सत्यापन करता है कि मनुष्य भविष्य के कार्यों के लिए अनुकूलित होने हेतु "प्रॉस्पेक्टिव कम्प्रेशन" (prospective compression) के माध्यम से गैर-स्थिर वातावरण में पुन: प्रयोज्य अमूर्तताओं (reusable abstractions) को सीखते हैं, जो एक ऐसा व्यवहार है जिसे मौजूदा रेट्रोस्पेक्टिव एल्गोरिदम और एलएलएम-आधारित मॉडल पकड़ने में विफल रहते हैं।
यह शोध पत्र ReLU न्यूरल नेटवर्क के लिए सटीक कारण संबंधी स्पष्टीकरण (causal explanations) उत्पन्न करने की एक विधि प्रस्तावित करता है, जो उनके ज्यामितीय ढांचे से, जिन्हें उत्तल बहुभुजों (convex polytopes) द्वारा परिभाषित खंडित रैखिक फलनों (piecewise linear functions) के रूप में माना जाता है, सीधे निर्णय नियमों को निकालकर किया जाता है, जिससे व्याख्यात्मकता के लिए मॉडलों के डिस्टिलेशन (distilling) से जुड़ी प्रदर्शन गिरावट और निष्ठा संबंधी समस्याओं से बचा जा सके।
यह शोध पत्र न्यूरल नेटवर्क लॉस लैंडस्केप्स में "चैनल्स टू इन्फिनिटी" (अनंत की ओर जाने वाले मार्ग) की पहचान और लक्षण वर्णन करता है जहाँ अनुकूलन एल्गोरिदम उन अर्ध-सपाट क्षेत्रों में अभिसरित होते हैं जहाँ भार (weights) विचलन करते हैं और स्पर्शोन्मुख रूप से गेटेड लीनियर यूनिट्स को लागू करते हैं, जो पूरी तरह से जुड़े हुए परतों (fully connected layers) की एक आश्चर्यजनक कम्प्यूटेशनल क्षमता को प्रकट करता है।
यह शोध पत्र स्टेबिलिटी-ड्रिवन असेंबली (SDA) का प्रस्ताव करता है, जो एक ढांचा है यह प्रदर्शित करता है कि कैसे सूचना एक स्वाभाविक, उद्भवी आनुवंशिक एल्गोरिदम के माध्यम से विकसित हो सकती है जहाँ स्टोकेस्टिक संयोजनों का विभेदक स्थायित्व, फिटनेस-अनुपातिक नमूनाकरण और पूर्व-निर्धारित फिटनेस फलनों या जीन या प्रतिकृति की आवश्यकता के बिना ओपन-एंडेड विकासवादी गतिशीलता को संचालित करता है।
यह शोधपत्र एक एकीकृत माप-सैद्धांतिक (measure-theoretic) ढांचा प्रस्तुत करता है जो यह प्रकट करता है कि डिफ्यूजन मॉडल, स्कोर-आधारित जनरेटिव मॉडल और फ्लो मैचिंग, एक संदर्भ वितरण को डेटा वितरण तक ले जाने के लिए समय-निर्भर वेक्टर क्षेत्रों को सीखने के उदाहरण हैं, जिससे उनकी साझा गणितीय संरचना, व्यावहारिक ट्रेडऑफ़ और सैद्धांतिक संबंधों को स्पष्ट किया जा सके।
यह शोध पत्र यह स्थापित करता है कि किसी भी o-minimal संरचना के भीतर परिभाषित किसी भी निश्चित फीडफॉरवर्ड न्यूरल नेटवर्क आर्किटेक्चर में एगोस्टिक (agnostic) PAC मॉडल में परिमित नमूना जटिलता (finite sample complexity) होती है, जो यह प्रदर्शित करता है कि वितरण-मुक्त सीखनीयता (distribution-free learnability) विशिष्ट सक्रियण कार्यों (activation functions) या आर्किटेक्चरों का एक अनूठा गुण होने के बजाय एक विनम्र गणितीय परिभाषाओं (tame mathematical definitions) का एक मौलिक परिणाम है।
यह शोध पत्र इस बात की जांच करता है कि कैसे एक संचालित डफिंग रिंग (driven Duffing ring) एक चक्र ग्राफ (cycle graph) पर रैखिक छंटनी (linear sorting) और सममिति-प्रतिबंधित उपक्रम-मिश्रण (symmetry-constrained cubic mode-mixing) का उपयोग करके एक एकल अवलोकन योग्य के माध्यम से इनपुट आकृतियों को अलग करती है, जो अपव्यय (dissipation) द्वारा समय-प्रतिवर्ती सममिति (time-reversal symmetry) के टूटने के कारण शोर के प्रति सुदृढ़ रहती है।