1378 पेपर
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 स्कोर फंक्शन और फिशर सूचना पर अतिरिक्त नियमितता शर्तों के तहत सब-गौसियन टेल बाउंड्स, मोमेंट कन्वर्जेंस और एंट्रोपिक नॉर्मलिटी (सापेक्ष एंट्रॉपी में अभिसरण) को स्थापित करके अधिकतम संभावना अनुमानकर्ता (मैक्सिमम लाइकलीहुड एस्टिमेटर) की शास्त्रीय स्पर्शोन्मुख सामान्यता (एसिम्प्टोटिक नॉर्मलिटी) को सुदृढ़ करता है।
यह शोध पत्र 6G नेटवर्क में अत्यंत बड़े पैमाने के MIMO सिस्टम के लिए इष्टतम या इष्टतम के निकट डिटेक्शन प्राप्त करने हेतु इसिंग मशीनों का उपयोग करते हुए एक भौतिकी-प्रेरित संभाव्य कंप्यूटिंग ढांचे का प्रस्ताव करता है, जो बाइनरी और उच्च-क्रम QAM मॉड्यूलेशन दोनों के लिए पारंपरिक तरीकों की तुलना में बेहतर प्रदर्शन और स्केलेबिलिटी प्रदर्शित करता है।
यह शोध पत्र डिफ्यूजन मॉडल्स के लिए एक एंट्रॉपी-आधारित अभिसरण सिद्धांत (convergence theory) स्थापित करता है, जो यह सिद्ध करता है कि उच्च-आयामी स्थानों में उनकी सैंपलिंग दक्षता अंतर्निहित डेटा वितरण की शैनन एंट्रॉपी (Shannon entropy) द्वारा नियंत्रित होती है न कि परिवेशी आयाम (ambient dimension) द्वारा।
यह शोध पत्र "सिमेंटिक स्मूथिंग" (semantic smoothing) का प्रस्ताव करता है, जो एक ऐसी विधि है जो भाषाई मॉडल में वितरण अनुमान (distribution estimation) को सुधारने और टेस्ट परप्लेक्सिटी (test perplexity) को कम करने के लिए अर्थपूर्ण रूप से समान संदर्भों के बीच सांख्यिकीय अवलोकनों को साझा करने हेतु संदर्भ एम्बेडिंग्स (context embeddings) की निकटता का लाभ उठाती है।
यह शोधपत्र गुप्त संचार और संवेदन (sensing) के लिए लॉस़ी थर्मल-नॉइज़ बोसोनिक चैनलों पर स्पार्स सिग्नलिंग की जांच करता है, जो यह प्रकट करता है कि वैक्यूम और सिंगल-फोटॉन अवस्थाओं का मिश्रण कम-चमक वाले (low-brightness) परिदृश्यों में पहचान योग्यता को न्यूनतम करता है और गुप्तता एवं कार्य प्रदर्शन के बीच के समझौतों (trade-offs) को स्थापित करता है।
यह योगदान SP-CCI पेश करता है, जो एक नवीन ढांचा है जो मौजूदा कॉन्फॉर्मल विधियों की तुलना में व्यक्तिगत काउंटरफैक्चुअल परिणामों के लिए संकीर्ण लेकिन सांख्यिकीय रूप से वैध प्रेडिक्शन इंटरवल (भविष्यवाणी अंतराल) उत्पन्न करने के लिए प्रीट्रेंड मॉडल्स द्वारा जनरेट किए गए सिंथेटिक काउंटरफैक्चुअल लेबल्स और इन्फरेंस-आधारित डिबायसिंग के माध्यम से सुधारे गए लेबल्स का लाभ उठाता है।
यह शोध पत्र "ग्रेडिएंट गैप" (Gradient Gap) को पेश करके 'वेरिफिएबल रिवार्ड्स के साथ रिइन्फोर्समेंट लर्निंग' (RLVR) के लिए एक सैद्धांतिक आधार स्थापित करता है ताकि अभिसरण गतिकी (convergence dynamics) की व्याख्या की जा सके और एक महत्वपूर्ण स्टेप-साइज़ थ्रेशोल्ड (step-size threshold) को व्युत्पन्न किया जा सके जो यह निर्धारित करता है कि सीखना सफल होगा या विफल, जिससे लेंथ नॉर्मलाइजेशन (length normalization) जैसे व्यावहारिक ह्यूरिस्टिक्स और सफलता दरों के ठहराव के लिए एक सिद्धांत-आधारित स्पष्टीकरण प्राप्त होता है।
यह योगदान एक उन्नत न्यूरल नेटवर्क मॉडल और एक चैनल-जागरूक प्रशिक्षण एल्गोरिदम को पेश करके वायरलेस चैनलों के अज्ञात वास्तविकताओं के कारण नेटवर्क-एज इन्फरेंस में होने वाली प्रदर्शन गिरावट को सीमित और न्यूनतम करने के लिए एक PAC-बेयसियन सैद्धांतिक ढांचा स्थापित करता है जो परिवर्तनशील चैनल स्थितियों के तहत मजबूती में सुधार करता है।
यह शोध पत्र प्रदर्शित करता है कि सापेक्षिक ऊर्जा-संवेग संबंध अधिकतम एंट्रॉपी अनुमान के तहत एक गुणात्मक हैमिल्टनियन से एक प्रभावी एन्सेम्बल-औसत संरचना के रूप में उभरता है, जहाँ फिशर-राओ ज्यामिति से व्युत्पन्न स्केल-इनवेरिएंट बाधाएं स्वाभाविक रूप से बिना प्रारंभ में लोरेन्त्ज़ समरूपता लागू किए सापेक्षिक विक्षेपण संबंध प्रदान करती हैं।