2390 पेपर
यह शोध पत्र काल्पनिक कहानी के निरंतरता (कंटिन्यूएशन) से व्याख्यात्मक विशेषताओं को निकालने के लिए लार्ज लैंग्वेज मॉडल्स का उपयोग करने वाला एक जनरेटिव फ्रेमवर्क प्रस्तुत करता है, जो यह प्रदर्शित करता है कि ये LLM-व्युत्पन्न अपेक्षाएं मानव विश्वासों और वास्तविक कथा परिणामों दोनों की प्रभावी ढंग से भविष्यवाणी करती हैं और साथ ही पाठक की सहभागिता (एंगेजमेंट) के साथ महत्वपूर्ण रूप से सह-संबंधित हैं।
यह शोध पत्र एक व्यक्ति के प्रतिबंधित स्थानीय नेटवर्क दृश्य से सामान्य लेटेंट स्पेस मॉडल का अनुमान लगाने के लिए एक प्रोजेक्टेड ग्रेडिएंट डिसेंट एल्गोरिदम प्रस्तावित करता है, जो सैद्धांतिक अभिसरण गारंटी स्थापित करता है और सिमुलेशन तथा अमेरिकी कांग्रेस के को-स्पोंसरशिप नेटवर्क के एक अनुप्रयोग के माध्यम से विधि की प्रभावशीलता प्रदर्शित करता है।
यह शोध पत्र "सिग्निफिकेंस-फर्स्ट स्प्लिटिंग" (Significance-First Splitting) प्रस्तुत करता है, जो एक हाइब्रिड ट्री-आधारित एल्गोरिदम है जो उपचार विषमता (treatment heterogeneity) का पता लगाने में उच्च संवेदनशीलता और विषमलैंगिक उपचार प्रभाव अनुमान (heterogeneous treatment effect estimation) के लिए वैध आत्मविश्वास अंतराल कवरेज (confidence interval coverage) को एक साथ प्राप्त करने के लिए सिग्निफिकेंस-आधारित स्प्लिटिंग मानदंडों को ईमानदार नमूना-विभाजन (honest sample-splitting) और क्रॉस-वैलिडेशन के साथ जोड़ता है।
यह शोध पत्र एक सॉफ्टमैक्स चॉइस मॉडल का उपयोग करके व्यक्तिपरक अपेक्षित उपयोगिता (SEU) अधिकतमकरण के प्रति एक एजेंट की संवेदनशीलता को मापने के लिए एक पद्धतिगत ढांचे को प्रस्तुत करता है, जो कठोर बेयसियन सत्यापन के माध्यम से पहचान क्षमता (identifiability) के परिणामों और परिमित-नमूना सीमाओं को स्थापित करता है, और बीमा एवं अर्न-चॉइस कार्यों पर बड़े भाषा मॉडलों के बीच संरचित निर्णय लेने के अंतरों का पता लगाने में इस दृष्टिकोण की व्यावहारिक उपयोगिता को प्रदर्शित करता है।
यह शोधपत्र यह प्रदर्शित करके एक लंबे समय से चले आ रहे अनुमान का खंडन करता है कि बेंजामिनी-होचबर्ग प्रक्रिया सहसंबद्ध द्वि-पक्षीय गाऊसी परीक्षणों के लिए अपने नाममात्र स्तर पर गलत खोज दर (फॉल्स डिस्कवरी रेट) को नियंत्रित करने में विफल रहती है, जो अंतराल अंकगणित (इंटरवल अरिथमेटिक) के माध्यम से कठोरता से सिद्ध किया गया है और लेखक द्वारा सत्यापित किया गया है।
यह शोध पत्र एक गैर-पैरामीट्रिक अनुकूलन क्लस्टरिंग एल्गोरिदम प्रस्तावित करता है जो रेडेमेकरर जटिलताओं (Rademacher complexities) का लाभ उठाकर एक DKW-प्रकार की असमानता (DKW-type inequality) व्युत्पन्न करता है, जिससे मार्कोवियन अनुक्रमों में परिवर्तन बिंदुओं (change points) का सटीक रूप से पता लगाया जा सके और i.i.d. डेटा के लिए समान रिकवरी दर प्राप्त की जा सके।
यह शोध पत्र WG-SINDy को प्रस्तुत करता है, जो एक नवीन अनुमानक (estimator) है जो प्रक्षेपवक्र डेटा (trajectory data) से द्वि-आयामी इतो जनरेटरों (Ito generators) को पुनः प्राप्त करने के लिए कोवेरिएंस-शेप्ड कर्नेल, रिज-स्टेबलाइज्ड प्रोजेक्शन और धनात्मक-अर्द्ध-निश्चित बाधाओं (positive-semidefinite constraints) को संयोजित करता है, जो 29 कृत्रिम प्रणालियों में से 19 पर सफल रिकवरी प्रदर्शित करते हुए सार्वभौमिक या वास्तविक-डेटा प्रयोज्यता के संबंध में सीमाओं को स्वीकार करता है।
यह शोध पत्र एक हैश-ऑगमेंटेड एडेप्टिव मल्टीलेवल स्प्लिटिंग मोंटे कार्लो एल्गोरिदम पेश करता है, जिसे पायथन पैकेज `hamstest` में कार्यान्वित किया गया है, ताकि वितरण की विविक्तता (discreteness) से संबंधित चुनौतियों का समाधान करते हुए और वैध कॉन्फिडेंस इंटरवल सुनिश्चित करते हुए, जटिल सांख्यिकी वाले टू-सैंपल परम्यूटेशन टेस्ट के लिए अनिश्चित रूप से छोटे p-वैल्यू का सटीक अनुमान लगाया जा सके।
यह शोध पत्र एक सामान्यीकृत हस्तक्षेप ढांचा (interference framework) प्रस्तावित करता है और विशिष्ट नेटवर्क दूरियों से उच्च-क्रम के स्पिलओवर प्रभावों को सटीक रूप से मापने के लिए नए हॉरविट्ज़-थॉमसन, हाजेक और भारित प्रतिगमन अनुमानक (weighted regression estimators) विकसित करता है, जो सैद्धांतिक पूर्वाग्रह विश्लेषण, सिमुलेशन और होंडुरास में एक यादृच्छिक परीक्षण के अनुप्रयोग के माध्यम से पारंपरिक पड़ोस हस्तक्षेप धारणाओं की सीमाओं को संबोधित करता है।
LatentFlow एक प्रशिक्षण-मुक्त (training-free), सामान्य ढांचा है जो एक नियत मैपिंग (deterministic mapping) और एक एकल रिवर्स-टाइम SDE के माध्यम से समस्या को सुलभ लेटेंट-स्पेस इन्फरेंस में बदलकर विविध स्टोकेस्टिक प्रक्रियाओं के सटीक कंडीशनल सैंपलिंग को सक्षम बनाता है।